Lua原始碼解析之一 lexical

我們知道，任何高階一點的編譯器，在解析源**時，都需要進行詞法分析。而詞法分析的過程就是先識別token的乙個過程，總體來說，lua裡面的token大致分為：

1. 數字和字串

2. 特殊字元：包括運算子和括號

對於每一類token lua都有唯一的id與之對應，此id用int來表示，對於第2種型別，直接用該字元的ascii碼來表示，對於1,3兩類，則定義一組列舉，為了與第2種區別開，列舉從257開始。比如關鍵字break 對應 tk_break，do 對應 tk_do。

先來看看luax_next，它用來識別下乙個token，會呼叫 llex 函式，返回token type和seminfo。有了token，接下來就會分析一條條的語句。

乙個statementlist 的 production為： statlist -> ，下面先將乙個statement的grammer production列出：

stat =

以ifstat為例：

ifstat -> if exprstat then statlist end

exprstat -> subexpr

subexpr ->(******exp | unop subexpr)

說到這裡，似乎詞法分析很簡單，單論詞法分析，lua確實很簡單，但lua是解釋型的指令碼語言，實際在是一邊做詞法分析，一邊再做語義分析，同時根據語義分析結果，生成lua指令。也就是說，在詞法分析的同時，幹了很多事情。

具體來看看lua指令，乙個lua指令用乙個32位的整數來表示。其中6bit用於表示指令碼，8bit表示運算元a，9bit表示b，9bit表示c（這種做法在邏輯上有點類似彙編），運算元一般來說分幾種型別：

1) r(x): 表示該運算元在暫存器中

2) kst(x):表示該運算元在常量表中

3) rk(x):表示該運算元如果是常量的話，則表示2)，否則表示1)

舉例：指令op_move，看**注釋為r(a) := r(b)，這就表示將暫存器b的值賦值給暫存器a。

到這裡不禁要問，lua暫存器是個什麼概念？我們知道，對彙編來說，具體的暫存器是使用具體暫存器名字來指定的，例如mov ax, bx ...，而lua則由下標來指向暫存器。實質上r(x) = [base+x] ，其中base表示當前函式呼叫的乙個基位址。

lua解析是以function為單位來進行的，載入乙個檔案，可以看作是在乙個全域性的大函式裡面對檔案進行解析。那麼，最終生成的指令都會放在歸屬函式proto的opcodes陣列裡面。執行乙個函式的時候，vm直接取指令分析運算元，接著往下執行就可以了。