欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

深入V8引擎-AST(5)

程序员文章站 2022-06-27 22:06:28
懒得发首页了,有时候因为贴的代码太多会被下,而且这东西本来也只是对自己学习的记录,阅读体验极差,所以就本地自娱自乐的写着吧! 由于是解析字符串,所以在开始之前介绍一下词法结构体中关于管理字符串类的属性。之前在TokenDesc中,有两个属性,如下。 当时没有详细讲,主要也是比较麻烦,在这里介绍一下该 ......

懒得发首页了,有时候因为贴的代码太多会被下,而且这东西本来也只是对自己学习的记录,阅读体验极差,所以就本地自娱自乐的写着吧!

由于是解析字符串,所以在开始之前介绍一下词法结构体中关于管理字符串类的属性。之前在tokendesc中,有两个属性,如下。

/**
 * 词法结构体
 * 每一个tokendesc代表单独一段词法
 */
struct tokendesc {
  /**
   * 字符串词法相关
   */
  literalbuffer literal_chars;
  literalbuffer raw_literal_chars;
  // ...     
}

当时没有详细讲,主要也是比较麻烦,在这里介绍一下该类。

class literalbuffer final {
  public:
    /**
     * 根据字符unicode数值判断是单字节还是双字节字符
     */
    void addchar(uc32 code_unit) {
      if (is_one_byte()) {
        if (code_unit <= static_cast<uc32>(unibrow::latin1::kmaxchar)) {
          addonebytechar(static_cast<byte>(code_unit));
          return;
        }
        converttotwobyte();
      }
      addtwobytechar(code_unit);
    }
  private:
    /**
     * 配置
     * constexpr int mb = kb * kb; constexpr int kb = 1024; 
     */
    static const int kinitialcapacity = 16;
    static const int kgrowthfactor = 4;
    static const int kmaxgrowth = 1 * mb;
    /**
     * 向容器加字符
     */
    void addonebytechar(byte one_byte_char) {
      if (position_ >= backing_store_.length()) expandbuffer();
      backing_store_[position_] = one_byte_char;
      position_ += konebytesize;
    }
    /**
     * 容器扩容
     * 初始至少有64的容量 根据需要扩容
     * 会生成一个新容量的vector 把数据复制过去并摧毁老的容器
     */
    void literalbuffer::expandbuffer() {
      int min_capacity = max(kinitialcapacity, backing_store_.length());
      vector<byte> new_store = vector<byte>::new(newcapacity(min_capacity));
      if (position_ > 0) {
        memcopy(new_store.begin(), backing_store_.begin(), position_);
      }
      backing_store_.dispose();
      backing_store_ = new_store;
    }
    /**
     * 扩容算法
     * min_capacity代表容器最小所需容量
     * (1024 * 1024) / 3 是一个阈值
     * 小于该值容量以4倍的速度扩张 大于该值容量直接写死
     */
    int literalbuffer::newcapacity(int min_capacity) {
      return min_capacity < (kmaxgrowth / (kgrowthfactor - 1))
                ? min_capacity * kgrowthfactor
                : min_capacity + kmaxgrowth;
    }
    /**
     * vector容器用来装字符
     * potions_根据单/双字符类型影响length的计算
     */
    vector<byte> backing_store_;
    int position_;
    bool is_one_byte_;
};

其实原理非常简单,用一个vector容器去装字符,如果容量不够,会进行扩张。

暂时不管双字节字符(比如中文),所以需要关注的属性和方法就是上面的那些,有一个地方可以关注一下,就是扩容。根据扩容机制,初始会有16 * 4的容量,当所需容量大到一定程度,会写死,这里来计算一下写死的最大容量。

/**
 * 计算 kmaxgrowth = 1024 * 1024 = 1048576
 * 得到阈值 (kmaxgrowth / (kgrowthfactor - 1) = 1048576 / (4 - 1) = 349525.333
 * 而未达到阈值前容器容量会从16开始每次乘以4 如下
 * 64 256 1024 4096 16384 65536 262144 1048576
 * 当扩容第7次时才出现比阈值大的数 这个值恰好等于1mb 因此容器容量最大值就是2mb
 */

单个字符串的解析长度原来是有上限的,最大为2mb,长度约为200万,此时会向vector容量外的下标赋值,不知道会出现什么情况。

回到上一篇的结尾,由于匹配到单引号,所以会走scanstring方法,源码如下。

token::value scanner::scanstring() {
  uc32 quote = c0_;
  /**
   * 初始化
   */
  next().literal_chars.start();
  while (true) {
    /**
     * 对字符串的结尾预检测
     */
    advanceuntil([this](uc32 c0) {
      // ...
    });
    /**
     * 遇到‘\’直接步进
     * 后面如果直接是字符串结尾标识符 判定为非法
     */
    while (c0_ == '\\') {
      advance();
      if (v8_unlikely(c0_ == kendofinput || !scanescape<false>())) {
        return token::illegal;
      }
    }
    /**
     * 又遇到了同一个字符串标识符
     * 说明字符串解析完成
     */
    if (c0_ == quote) {
      advance();
      return token::string;
    }
    
    /**
     * 没有合拢的字符串 返回非法标记
     */
    if (v8_unlikely(c0_ == kendofinput || unibrow::isstringliterallineterminator(c0_))) {
      return token::illegal;
    }
    // 向vector里面塞一个字符
    addliteralchar(c0_);
  }
}

总的来说还是比较简单的,正常步进是初始化用过的advance。代码中有一个方法叫advanceuntil,从函数名判断是一个预检函数。这个方法调用的结构非常奇怪,c++语法我也是tm日了狗,主要作用就是预先判断一下当前解析的字符串是否合法,整个函数结构如下。

/**
 * 参数是一个匿名函数
 */
advanceuntil([this](uc32 c0) {
  // unicode大于127的特殊字符
  if (v8_unlikely(static_cast<uint32_t>(c0) > kmaxascii)) {
    /**
     * 检测是否是换行符
     * \r\n以及\n
     */
    if (v8_unlikely(unibrow::isstringliterallineterminator(c0))) {
      return true;
    }
    addliteralchar(c0);
    return false;
  }
  /**
   * 检查是否是字符串结束符
   */
  uint8_t char_flags = character_scan_flags[c0];
  if (mayterminatestring(char_flags)) return true;
  addliteralchar(c0);
  return false;
});

/**
 * 这个方法会对c0_进行赋值
 */
void advanceuntil(functiontype check) {
  c0_ = source_->advanceuntil(check);
}

template <typename functiontype>
v8_inline uc32 advanceuntil(functiontype check) {
  while (true) {
    /**
     * 从游标位置到结尾搜索符合条件的字符
     */
    auto next_cursor_pos =
        std::find_if(buffer_cursor_, buffer_end_, [&check](uint16_t raw_c0_) {
          uc32 c0_ = static_cast<uc32>(raw_c0_);
          return check(c0_);
        });
    /**
     * 1、碰到第二个参数 说明没有符合条件的字符 直接返回结束符
     * 2、有符合条件的字符 把游标属性指向该字符的后一位 返回该字符
     */
    if (next_cursor_pos == buffer_end_) {
      buffer_cursor_ = buffer_end_;
      if (!readblockchecked()) {
        buffer_cursor_++;
        return kendofinput;
      }
    } else {
      buffer_cursor_ = next_cursor_pos + 1;
      return static_cast<uc32>(*next_cursor_pos);
    }
  }
}

这里的调用方式比较邪门,其实就是js的高阶函数,函数作为参数传入函数,比较核心的就是find_if方法与函数参数,这里就不讲std的方法了,用js翻译一下,不然看起来实在太痛苦。

const callback = (str) => isstringliterallineterminator(str);

const advanceuntil = (callback) => {
  let tararea = buffer_.slice(buffer_cursor_, buffer_end_);
  let taridx = tararea.findidx(v => callback(v));
  if(taridx === - 1) return '非法字符串';
  buffer_cursor_ = taridx + 1;
  c0_ = buffer_[taridx];
}

就是这么简单,变量直接对应,逻辑的话也就上面这些,find_if也就是根据索引来找符合对应条件的值。也就是说,唯一需要讲解的就是字符串结束符的判断。

涉及的新属性有两个,其中一个是映射数组character_scan_flags,另外一个是mayterminatestring方法,两者其实是一个东西,可以放一起看。

inline bool mayterminatestring(uint8_t scan_flags) {
  return (scan_flags & static_cast<uint8_t>(scanflags::kstringterminator));
}

/**
 * 字符扫描标记
 */
enum class scanflags : uint8_t {
  kterminatesliteral = 1 << 0,
  // "cannot" rather than "can" so that this flag can be ored together across
  // multiple characters.
  kcannotbekeyword = 1 << 1,
  kcannotbekeywordstart = 1 << 2,
  kstringterminator = 1 << 3,
  kidentifierneedsslowpath = 1 << 4,
  kmultilinecommentcharacterneedsslowpath = 1 << 5,
};

/**
 * 映射表
 * 对字符的可能性进行分类
 */
static constexpr const uint8_t character_scan_flags[128] = {
#define call_get_scan_flags(n) getscanflags(n),
    int_0_to_127_list(call_get_scan_flags)
#undef call_get_scan_flags
};

首先可以看出,character_scan_flags也是类似于之前那个unicode与ascii的表,对所有字符做一个映射,映射的值就是那个枚举类型,一个字符可能对应多个可能性。这里的计算方法可以参照我之前那篇利用枚举与位运算做配置,需要哪个属性,就用对应的枚举与字符映射值做与运算。

这个映射表的生成比较简单粗暴,会对每一个字符做6重或运算生成一个数,目前只看字符串终止符那块。

constexpr uint8_t getscanflags(char c) {
  return
    /** 1 */ | /** 2 */ | /** 3 */ |
    // possible string termination characters.
    ((c == '\'' || c == '"' || c == '\n' || c == '\r' || c == '\\')
          ? static_cast<uint8_t>(scanflags::kstringterminator)
          : 0) | /** 5 */ | /** 6 */
}

也就是说,当前字符是单双引号、换行与反斜杠时,会被认定可能是一个字符串的结尾。

回到编译字符串'hello',由于在字符结束之前,就存在另一个单引号,所以这个符号被认为可能是结束符号赋值给了c0_,stream类的游标也直接移到了那个位置。至于中间的h、e、l、l、o5个字符,因为不存在任何特殊性,所以在最后的addliteralchar方法中被添加进了容器中。

结束后,整个函数正常返回token::string作为词法结构体的类型,结构体的literal_chars的容器则存储着对应的字符串。