[WebKit内核] JavaScriptCore深度解析--基础篇（一）字节码生成及语法树的构建详情分析

     看到HorkeyChen写的文章《[WebKit] JavaScriptCore解析--基础篇(三)从脚本代码到JIT编译的代码实现》，写的很好，深受启发。想补充一些Horkey没有写到的细节比如字节码是如何生成的等等，为此成文。

      JSC对JavaScript的处理，其实与Webkit对CSS的处理许多地方是类似的，它这么几个部分：

（1）词法分析->出来词语(Token)；

（2）语法分析->出来抽象语法树（AST：Abstract Syntax Tree）；

（3）遍历抽象语法树->生成字节码（Bytecode）；

（4）用解释器（LLInt：Low Level Interpreter）执行字节码；

（5）如果性能不够好就用Baseline JIT编译字节码生成机器码、然后执行此机器码；

（6）如果性能还不够好，就用DFG JIT重新编译字节码生成更好的机器码、然后执行此机器码；

（7）最后，如果还不好，就祭出重器--虚拟器（LLVM：Low Level Virtual Machine）来编译DFG的中间表示代码、生成更高优化的机器码并执行。接下来，我将会用一下系列文章描述此过程。

      其中，步骤1、2是类似的，3、4、5步的思想，CSS JIT也是采用类似方法，请参考[1]。想写写JSC的文章，用菜鸟和愚公移山的方式，敲开JSC的冰山一角。

本篇主要描述词法和语法解析的细节。

 一、 JavaScriptCore的词法分析器工作流程分析

    W3C是这么解释词法和语法工作流程的：

 词法器Tokenizer的工作过程如下，就是不断从字符串中寻找一个个的词（Token），比如找到连续的“true”字符串，就创建一个TokenTrue。词法器工作过程如下：

JavaScriptCore/interpreter/interpreter.cpp:
template <typename CharType>

[cpp] view plaincopy

 

1. template <ParserMode mode> TokenType LiteralParser<CharType>::Lexer::lex(LiteralParserToken<CharType>& token)  
2. {  
3.     while (m_ptr < m_end && isJSONWhiteSpace(*m_ptr))  
4.         ++m_ptr;  
5.   
6.     if (m_ptr >= m_end) {  
7.         token.type = TokEnd;  
8.         token.start = token.end = m_ptr;  
9.         return TokEnd;  
10.     }  
11.     token.type = TokError;  
12.     token.start = m_ptr;  
13.     switch (*m_ptr) {  
14.         case ‘[‘:  
15.             token.type = TokLBracket;  
16.             token.end = ++m_ptr;  
17.             return TokLBracket;  
18.         case ‘]‘:  
19.             token.type = TokRBracket;  
20.             token.end = ++m_ptr;  
21.             return TokRBracket;  
22.         case ‘(‘:  
23.             token.type = TokLParen;  
24.             token.end = ++m_ptr;  
25.             return TokLParen;  
26.         case ‘)‘:  
27.             token.type = TokRParen;  
28.             token.end = ++m_ptr;  
29.             return TokRParen;  
30.         case ‘,‘:  
31.             token.type = TokComma;  
32.             token.end = ++m_ptr;  
33.             return TokComma;  
34.         case ‘:‘:  
35.             token.type = TokColon;  
36.             token.end = ++m_ptr;  
37.             return TokColon;  
38.         case ‘"‘:  
39.             return lexString<mode, ‘"‘>(token);  
40.         case ‘t‘:  
41.             if (m_end - m_ptr >= 4 && m_ptr[1] == ‘r‘ && m_ptr[2] == ‘u‘ && m_ptr[3] == ‘e‘) {  
42.                 m_ptr += 4;  
43.                 token.type = TokTrue;  
44.                 token.end = m_ptr;  
45.                 return TokTrue;  
46.             }  
47.             break;  
48.         case ‘-‘:  
49.         case ‘0‘:  

[cpp] view plaincopy

 

1.         ...  
2.         case ‘9‘:  
3.             return lexNumber(token);  
4.     }  
5.     if (m_ptr < m_end) {  
6.         if (*m_ptr == ‘.‘) {  
7.             token.type = TokDot;  
8.             token.end = ++m_ptr;  
9.             return TokDot;  
10.         }  
11.         if (*m_ptr == ‘=‘) {  
12.             token.type = TokAssign;  
13.             token.end = ++m_ptr;  
14.             return TokAssign;  
15.         }  
16.         if (*m_ptr == ‘;‘) {  
17.             token.type = TokSemi;  
18.             token.end = ++m_ptr;  
19.             return TokAssign;  
20.         }  
21.         if (isASCIIAlpha(*m_ptr) || *m_ptr == ‘_‘ || *m_ptr == ‘$‘)  
22.             return lexIdentifier(token);  
23.         if (*m_ptr == ‘\‘‘) {  
24.             return lexString<mode, ‘\‘‘>(token);  
25.         }  
26.     }  
27.     m_lexErrorMessage = String::format("Unrecognized token ‘%c‘", *m_ptr).impl();  
28.     return TokError;  
29. }  

      经过此过程，一个完整的JSC世界的Token就生成了。然后，再进行语法分析，生成抽象语法树.

JavaScriptCore/parser/parser.cpp:

[cpp] view plaincopy

 

1. <span style="font-family: Arial, Helvetica, sans-serif;">PassRefPtr<ParsedNode> Parser<LexerType>::parse(JSGlobalObject* lexicalGlobalObject, Debugger* debugger, ExecState* debuggerExecState, JSObject** exception)</span>  

[cpp] view plaincopy

 

1. {  
2.     ASSERT(lexicalGlobalObject);  
3.     ASSERT(exception && !*exception);  
4.     int errLine;  
5.     UString errMsg;  
6.   
7.     if (ParsedNode::scopeIsFunction)  
8.         m_lexer->setIsReparsing();  
9.   
10.     m_sourceElements = 0;  
11.   
12.     errLine = -1;  
13.     errMsg = UString();  
14.   
15.     UString parseError = parseInner();  
16.     。。。  
17. ｝  

UString Parser<LexerType>::parseInner()

[cpp] view plaincopy

 

1. {  
2.     UString parseError = UString();  
3.       
4.     unsigned oldFunctionCacheSize = m_functionCache ? m_functionCache->byteSize() : 0;  

[cpp] view plaincopy

 

1. //抽象语法树Builder：  
2. ASTBuilder context(const_cast<JSGlobalData*>(m_globalData), const_cast<SourceCode*>(m_source));  
3. if (m_lexer->isReparsing())  
4.     m_statementDepth--;  
5. ScopeRef scope = currentScope();  

[cpp] view plaincopy

 

1. //开始解析生成语法树的一个节点：  
2. SourceElements* sourceElements = parseSourceElements<CheckForStrictMode>(context);  
3. if (!sourceElements || !consume(EOFTOK))  

｝
         举例说来，根据Token的类型，JSC认为输入的Token是一个常量声明，就会使用如下的模板函数生成语法节点（Node），然后放入ASTBuilder里面：

[cpp] view plaincopy

 

1. JavaScriptCore/bytecompiler/NodeCodeGen.cpp:  
2. template <typename LexerType>  
3. template <class TreeBuilder> TreeConstDeclList Parser<LexerType>::parseConstDeclarationList(TreeBuilder& context)  
4. {  
5.     failIfTrue(strictMode());  
6.     TreeConstDeclList constDecls = 0;  
7.     TreeConstDeclList tail = 0;  
8.     do {  
9.         next();  
10.         matchOrFail(IDENT);  
11.         const Identifier* name = m_token.m_data.ident;  
12.         next();  
13.         bool hasInitializer = match(EQUAL);  
14.         declareVariable(name);  
15.         context.addVar(name, DeclarationStacks::IsConstant | (hasInitializer ? DeclarationStacks::HasInitializer : 0));  
16.         TreeExpression initializer = 0;  
17.         if (hasInitializer) {  
18.             next(TreeBuilder::DontBuildStrings); // consume ‘=‘  
19.             initializer = parseAssignmentExpression(context);  
20.         }  
21.         tail = context.appendConstDecl(m_lexer->lastLineNumber(), tail, name, initializer);  
22.         if (!constDecls)  
23.             constDecls = tail;  
24.     } while (match(COMMA));  
25.     return constDecls;  
26. }  

      接下来，就会调用BytecodeGenerator::generate生成字节码，具体分下节分析。我们先看看下面来自JavaScript的一个个语法树节点生成字节码的过程：

JavaScriptCore/bytecompiler/NodeCodeGen.cpp:
RegisterID* BooleanNode::emitBytecode(BytecodeGenerator& generator, RegisterID* dst)

[cpp] view plaincopy

 

1. {  
2.     if (dst == generator.ignoredResult())  
3.         return 0;  
4.     return generator.emitLoad(dst, m_value);  
5. }  

     以下是我准备写的文章题目：

一、 JavaScriptCore的词法分析器工作流程分析；

二、 JavaScriptCore的语法分析器工作流程分析；

三、 JavaScriptCore的字节码生成流程分析；

四、 LLInt解释器工作流程分析；

五、 Baseline JIT编译器的工作流程分析；

六、 DFG JIT编译器的工作流程分析；

七、LLVM虚拟机的工作流程分析；

八、JavaScriptCore的未来展望；

     文笔粗糙，不善表达，希望能越写越好。