深入V8引擎-AST(5)

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。