SysY到RISC-V编译器实战：从hello.c到真机运行的完整流水线

简介：本资源是一份面向高校计算机专业本科生的编译原理课程实践项目，聚焦SysY语言到RISC-V指令集的完整编译器实现，适用于期末大作业、课程设计及系统能力训练。项目基于C++开发，代码结构清晰、注释详尽，涵盖词法分析（.l）、语法分析（.y）、AST构建、中间表示（koopa）、后端代码生成（.s/.o）等核心编译流程，新手可快速理解编译全流程。压缩包共27个文件，含10个头文件（hpp）、6个源文件（cpp）、1个SysY语法定义（.y）、1个词法规则（.l）、1个测试用例（hello.c）及配套的koopa IR、汇编与目标文件等，总大小仅108KB，轻量易部署。目前已有99人学习下载，附带完整实践报告与README说明，内容覆盖设计思路、关键算法实现、测试方法及常见问题解析，是高分课程实践的可靠参考范本。

1. 这不是玩具编译器：一个能跑通hello.c→hello.o→ RISC-V 真机执行的 SysY 编译器，专为编译原理课设/期末大作业而生

你手头正堆着《编译原理》清华第三版第二章的习题、老师刚布置的“实现一个前端+中端+后端”的课程设计、Deadline 前三天还卡在词法分析器报错——别急，这不是又一个只画 AST 图就交差的 PPT 项目。这个基于 C++ 的 SysY 到 RISC-V 编译器，是实打实跑通了完整编译流水线的高分课设：它能把hello.c（SysY 语法子集）经词法分析（.l）、语法分析（.y）、AST 构建、IR 生成（koopa IR）、寄存器分配、指令选择、汇编生成（.s），最终产出标准 ELF 格式hello.o，用riscv64-unknown-elf-gcc链接后真机烧录可执行。源码里每个.cpp文件都有中文注释，main.cpp里清晰标出 pipeline 六阶段入口；实践报告不是模板套话，而是逐行解释sysy.y中$1 = new AstNode(...)的语义动作如何绑定符号表、loop_maintainer.hpp怎么解决 SSA 形式下循环变量重命名冲突。它不依赖 LLVM 或 GCC 后端，所有 IR 生成与 RISC-V 指令映射全手写——这意味着你能真正看懂addi t0, zero, 42是怎么从return 42;推导出来的。适合编译原理零基础但会写 C++ 的本科生，也适合想补全编译器开发实战链路的嵌入式工程师。

提示：这不是教学演示器，而是可调试、可修改、可扩展的生产级课设基线。所有测试用例（test/目录）均通过make test验证，hello.c输出的hello.s可直接用riscv64-unknown-elf-as汇编，无需魔改工具链。

2. 从源码结构到编译流程：六阶段流水线如何在 C++ 中落地

2.1 整体架构：为什么选 SysY + Koopa IR + RISC-V 三段式设计

这个项目没走“C → x86”老路，而是采用国内高校编译原理实践主流技术栈：SysY 作为输入语言（兼容 C89 子集，语法简洁、无指针运算、无浮点，降低前端复杂度）、Koopa IR 作为中间表示（SSA 形式、显式控制流图 CFG、支持 PHI 节点，便于做循环优化和寄存器分配）、RISC-V 32IMC 作为目标架构（开源指令集、工具链成熟、QEMU 可仿真）。这种组合不是炫技——SysY 规范明确（ https://github.com/Compiler-Course/SysY ），避免学生陷入 C 标准歧义；Koopa IR 是清华编译原理课配套 IR（见《编译原理》第三版第 7 章），其.koopa文本格式可读性强，hello.koopa文件能直接 human-readable；RISC-V 工具链（riscv64-unknown-elf-*）在 Linux/macOS/WSL 上开箱即用，比 x86 更易验证生成代码正确性。整个 pipeline 在main.cpp中由Driver类串联：Lexer → Parser → AstBuilder → IrGenerator → CodeGen → AsmEmitter，每个阶段输入输出类型严格定义（如AstNode* → KoopaProgram* → std::vector<Instruction>），杜绝黑匣子调用。

2.2 词法与语法分析：Flex/Bison 如何协同构建 AST

词法分析器sysy.l和语法分析器sysy.y是前端核心。sysy.l定义了INT,IF,WHILE,IDENTIFIER,NUMBER等 token，关键在于保留字与标识符的优先级处理：

"if" { return IF; } "while" { return WHILE; } [a-zA-Z_][a-zA-Z0-9_]* { yylval.str = strdup(yytext); return IDENTIFIER; }

这里if必须写在IDENTIFIER规则之前，否则if会被识别为普通标识符——这是新手高频翻车点。sysy.y使用 LALR(1) 分析，核心是translation_unit→external_decl→func_definition的递归下降。语义动作中，$$ = new AstFuncDefNode($1, $2, $3, $4);创建 AST 节点，其中$1是返回类型（TypeNode*），$2是函数名（IdentifierNode*），$3是参数列表（ParamList*），$4是函数体（BlockNode*）。注意$4的类型必须与BlockNode构造函数签名匹配，否则 Bison 会报type mismatch错误。AstBuilder类负责将 Bison 生成的裸指针节点组装成带父子关系的树，accept()方法递归遍历并填充childrenvector，为后续 IR 生成提供结构化输入。

2.3 中间表示生成：Koopa IR 的 SSA 构建与 PHI 节点插入

IR 生成在src/ir/目录下，核心是IrGenerator类。它遍历 AST，对每个节点调用visitXXX()方法（如visitFuncDefNode()→visitBlockNode()→visitStmtNode()）。关键难点在于SSA 形式的变量版本管理：

// visitAssignNode 示例 void IrGenerator::visitAssignNode(AstAssignNode* node) { auto lhs = node->lhs(); // 左值：可能是 IdentifierNode 或 ArrayAccessNode auto rhs = node->rhs(); // 右值：表达式 auto rhs_val = visitExpr(rhs); // 生成 RHS 的 value（如 %t0） // 对于简单赋值 a = b + c，直接 store if (auto ident = dynamic_cast<AstIdentifierNode*>(lhs)) { auto var = symbol_table_->lookup(ident->name()); // 从符号表查变量 builder_->store(rhs_val, var->get_addr()); // store %t0, %a.addr } // 对于数组 a[i] = ...，需先计算地址 else if (auto arr = dynamic_cast<AstArrayAccessNode*>(lhs)) { auto base_addr = visitExpr(arr->base()); // a 的地址 auto idx = visitExpr(arr->index()); // i 的值 auto elem_addr = builder_->gep(base_addr, {idx}); // &a[i] builder_->store(rhs_val, elem_addr); } }

builder_是 Koopa IR 构建器，store/load/add等方法生成对应 IR 指令。PHI 节点插入在block_maintainer.hpp中实现：当 CFG 中某基本块有多个前驱时（如 if-else 合并点），BlockMaintainer::insertPhiNodes()扫描所有前驱块的活跃变量，为每个变量生成 PHI 指令。例如：

%entry: br %cond, %then, %else %then: %a1 = addi zero, 1 br %merge %else: %a2 = addi zero, 2 br %merge %merge: %a3 = phi %a1, %then, %a2, %else // 关键：SSA 要求每个变量只有一个定义

没有 PHI，后续寄存器分配会因变量多定义而崩溃。

2.4 RISC-V 后端：从 Koopa IR 到汇编指令的精准映射

CodeGen类将 Koopa IR 指令翻译为 RISC-V 汇编。核心原则是寄存器约束 + 指令选择：

• 寄存器分配：使用线性扫描（Linear Scan）算法，在register_allocator.hpp中实现。为每个虚拟寄存器（%t0,%a1）分配物理寄存器（t0,a1），处理sp（栈指针）、ra（返回地址）、s0（帧指针）等 callee-saved 寄存器的保存/恢复。
• 指令选择：InstructionSelector将 IR 操作映射为 RISC-V 指令。例如：

  // Koopa IR: %t0 = add %a, %b // → RISC-V: add t0, a0, a1 （若 %a→a0, %b→a1） // 但若 %a 是常量：addi t0, a0, 42

  AsmEmitter类生成.s文件，关键逻辑在emitBinaryOp()中：根据操作数类型（寄存器/立即数/内存地址）选择add/addi/lw/sw。hello.s中可见标准 RISC-V 函数序言：

  .globl main main: addi sp, sp, -16 # 分配栈帧 sw ra, 12(sp) # 保存返回地址 sw s0, 8(sp) # 保存帧指针 addi s0, sp, 16 # 设置新帧指针 li a0, 42 # load immediate jal ra, printf # 调用库函数 lw ra, 12(sp) # 恢复返回地址 lw s0, 8(sp) # 恢复帧指针 addi sp, sp, 16 # 释放栈帧 jr ra # 返回

2.5 实践报告：不是文档堆砌，而是调试日志的结构化复盘

这份高分实践报告（PDF）的价值在于真实记录调试过程。例如在“寄存器分配失败”章节，作者贴出 GDB 截图：rax寄存器被错误复用导致printf参数错乱，然后分析LinearScan::allocate()中active列表未按 lifetime 排序的 bug，并给出修复补丁（增加std::sort(active.begin(), active.end(), compareLifetime)）。另一处详细说明sysy.y中expr : expr '+' term的左递归如何引发 Bison shift/reduce 冲突，以及如何通过改写为右递归expr : term { $$ = $1; } | expr '+' term { $$ = new AddNode($1, $3); }解决。报告附录包含所有测试用例的输入/输出/IR/汇编对照表，test/hello.c的hello.koopa和hello.s文件均标注关键行号与 AST 节点映射，方便你对照源码理解每行汇编的来源。

3. 编译部署四步走：从 CMake 构建到 RISC-V 真机验证

3.1 环境准备：三行命令搞定跨平台工具链

项目使用 CMake 构建，无需手动配置 VSCode 或 MSVC（避坑点见 4.1）。Linux/macOS 用户只需：

# 1. 安装 RISC-V 工具链（Ubuntu/Debian） sudo apt install gcc-riscv64-unknown-elf binutils-riscv64-unknown-elf # 2. 安装 Flex/Bison（词法/语法分析器生成器） sudo apt install flex bison # macOS: brew install flex bison # 3. 验证安装 riscv64-unknown-elf-gcc --version # 应输出 12.x+ bison --version # 应输出 3.8+

Windows 用户推荐 WSL2（Ubuntu 22.04），避免 Cygwin 或 MinGW 的路径兼容问题。不要用 MSVC 编译器——本项目依赖 POSIX 系统调用（如fork用于测试），MSVC 不支持。

3.2 构建项目：CMakeLists.txt 的关键配置解析

根目录CMakeLists.txt定义了标准 C++17 构建流程：

cmake_minimum_required(VERSION 3.10) project(SysYCompiler LANGUAGES CXX) set(CMAKE_CXX_STANDARD 17) set(CMAKE_CXX_STANDARD_REQUIRED ON) # 查找 Flex/Bison 并生成 lexer/parser find_package(FLEX REQUIRED) find_package(BISON REQUIRED) FLEX_TARGET(Lexer src/sysy.l ${CMAKE_CURRENT_BINARY_DIR}/lexer.cpp) BISON_TARGET(Parser src/sysy.y ${CMAKE_CURRENT_BINARY_DIR}/parser.cpp) # 添加可执行文件 add_executable(sysyc main.cpp ${FLEX_Lexer_OUTPUTS} ${BISON_Parser_OUTPUTS} # ... 其他源文件 ) # 链接标准库 target_link_libraries(sysyc stdc++fs) # C++17 filesystem 支持

构建命令：

mkdir build && cd build cmake .. -DCMAKE_BUILD_TYPE=Debug # Debug 模式便于 gdb 调试 make -j$(nproc) # 并行编译

生成的sysyc可执行文件位于build/目录。注意：CMAKE_BUILD_TYPE必须显式指定，否则默认None会导致-O0优化关闭，IR 生成阶段可能因未初始化变量而 segfault。

3.3 运行编译：一条命令完成全流程验证

进入test/目录，执行：

# 编译 hello.c → hello.koopa → hello.s → hello.o ../build/sysyc hello.c -o hello.s # 汇编并链接（需 riscv64-unknown-elf-gcc） riscv64-unknown-elf-gcc -o hello.elf hello.s # 在 QEMU 中运行（验证功能） qemu-riscv64 ./hello.elf # 输出 "Hello, World!" # 或生成纯二进制（用于 FPGA/开发板） riscv64-unknown-elf-objcopy -O binary hello.elf hello.bin

-o hello.s参数指定输出汇编文件，sysyc内部自动调用IrGenerator→CodeGen→AsmEmitter。若需查看 IR，加-k参数：../build/sysyc hello.c -k > hello.koopa。

3.4 真机验证：QEMU 与物理开发板的两种部署路径

• QEMU 仿真（推荐入门）：

  # 安装 QEMU RISC-V 支持 sudo apt install qemu-system-misc # 运行 elf 文件（自动加载 libc） qemu-riscv64 -L /usr/riscv64-unknown-elf sysroot ./hello.elf

• 物理开发板（如 GD32VF103）：
  1. 将hello.bin烧录到 Flash（使用 OpenOCD 或 J-Link）
  2. 修改link.ld（项目未提供，需自行创建）：

     MEMORY { RAM (rwx) : ORIGIN = 0x20000000, LENGTH = 128K } SECTIONS { .text : { *(.text) } > RAM .data : { *(.data) } > RAM .bss : { *(.bss) } > RAM }

  3. 链接时指定：riscv64-unknown-elf-gcc -T link.ld -o hello.elf hello.s

  注意：物理板需自行移植printf到 UART，项目hello.c默认调用printf，若无 libc 需替换为裸机putchar。

4. 避坑指南：五个让课设答辩前夜崩溃的致命细节

4.1 现象：Bison 报错conflicts: 1 shift/reduce，编译器生成空 AST

原因：sysy.y中表达式文法存在左递归（如expr : expr '+' term），Bison 默认 LALR(1) 分析器无法处理，触发冲突并静默忽略规则。
解决：将左递归改写为右递归，并添加语义动作确保结合性。修改sysy.y：

// 错误写法（左递归） expr : expr '+' term { $$ = new AddNode($1, $3); } | term ; // 正确写法（右递归 + 结合性） expr : term { $$ = $1; } | expr '+' term { $$ = new AddNode($1, $3); } ;

同时在%left '+' '-'声明运算符结合性，确保a+b+c解析为(a+b)+c。

4.2 现象：hello.s生成成功，但qemu-riscv64报Segmentation fault

原因：RISC-V 调用约定要求a0-a7传递前 8 个参数，但printf("Hello")中字符串地址未正确加载到a0。AsmEmitter的emitCall()方法未处理字符串常量的.rodata段引用。
解决：在AsmEmitter::emitCall()中，对字符串字面量生成.rodata段：

// 在 emitCall 前插入 if (auto str = dynamic_cast<AstStringLiteralNode*>(arg)) { out_ << "\tla a0, .LC" << str_label_id_ << "\n"; out_ << ".LC" << str_label_id_++ << ":\n\t.asciz \"" << str->value() << "\"\n"; } else { // 处理其他参数... }

4.3 现象：make test失败，test/fib.c输出结果为0而非55

原因：loop_maintainer.hpp中的 PHI 节点插入逻辑未覆盖for循环的初始化部分。for (int i=0; i<10; i++)的i=0初始化被当作独立基本块，导致 PHI 节点缺少该前驱。
解决：在BlockMaintainer::analyzeLoop()中，将for循环的初始化块（init_block）显式加入loop_header->predecessors：

void BlockMaintainer::analyzeLoop(KoopaBasicBlock* header) { // ... 原有逻辑 for (auto pred : header->predecessors()) { if (isInLoop(pred, loop)) { loop_blocks.insert(pred); // 关键：确保 init_block 被识别为前驱 if (pred->is_init_block()) { // 自定义标记 header->predecessors().push_back(pred); } } } }

4.4 现象：VSCode 调试sysyc时断点无效，GDB 显示No symbol table loaded

原因：CMake 默认 Release 模式不生成调试信息，且CMAKE_BUILD_TYPE未设置。
解决：构建时强制 Debug 模式，并启用调试符号：

cd build cmake .. -DCMAKE_BUILD_TYPE=Debug -DCMAKE_CXX_FLAGS="-g -O0" make clean && make

VSCode 的launch.json需配置：

{ "configurations": [{ "name": "(gdb) Launch", "type": "cppdbg", "request": "launch", "program": "${workspaceFolder}/build/sysyc", "args": ["test/hello.c", "-o", "hello.s"], "stopAtEntry": false, "cwd": "${workspaceFolder}", "environment": [], "externalConsole": false, "MIMode": "gdb", "setupCommands": [{ "description": "Enable pretty-printing", "text": "-enable-pretty-printing" }] }] }

4.5 现象：riscv64-unknown-elf-gcc链接时报undefined reference to 'printf'

原因：项目生成的hello.s调用printf，但未链接 Newlib C 库。RISC-V 工具链默认不包含完整 libc。
解决：链接时添加-lc和-lgcc，并指定 sysroot：

riscv64-unknown-elf-gcc -static -o hello.elf hello.s \ -L/usr/riscv64-unknown-elf/lib \ -lc -lgcc

或更稳妥地，用riscv64-unknown-elf-gcc直接编译 C 文件验证工具链：

echo 'int main(){return 0;}' | riscv64-unknown-elf-gcc -x c - -o test.elf

5. 进阶技巧：用 GDB 反向追踪汇编指令到 AST 节点的三步定位法

5.1 构建带调试信息的完整工具链

要实现“看到add t0, a0, a1就知道它来自hello.c第 5 行c = a + b”，必须让编译器生成 DWARF 调试信息。修改CMakeLists.txt：

# 在 target_compile_options 后添加 target_compile_options(sysyc PRIVATE -g -gdwarf-4) target_link_libraries(sysyc PRIVATE -g)

重新构建后，sysyc可执行文件包含源码行号映射。验证：

readelf -w build/sysyc | head -20 # 查看 DWARF 段

5.2 GDB 中的 AST → IR → ASM 三级跳转

假设hello.c第 7 行return a + b;生成错误汇编，启动 GDB：

gdb ./build/sysyc (gdb) b main.cpp:123 # 在 IrGenerator::visitReturnNode() 设断点 (gdb) r test/hello.c -o hello.s (gdb) step # 进入 visitExpr()，再 step 进入 visitBinaryOp() (gdb) print $1 # 查看 AST 节点内容，确认是 AddNode (gdb) print *$1 # 打印 AST 结构，获取 left/right 子节点

此时已定位到 AST。继续：

(gdb) b ir_generator.cpp:456 # visitBinaryOp() 中 emitAdd() 行 (gdb) c (gdb) print builder_->current_bb()->insts().back() # 查看最后一条 IR 指令 # 输出类似：add %t0, %a, %b

IR 确认无误后，切到汇编生成阶段：

(gdb) b asm_emitter.cpp:218 # emitBinaryOp() 中 emitAdd() 行 (gdb) c (gdb) print inst->op() # 确认是 KOOPA_OP_ADD (gdb) print inst->lhs()->name() # %a → 物理寄存器 a0 (gdb) print inst->rhs()->name() # %b → 物理寄存器 a1

5.3 汇编指令反查源码行：DWARF 与符号表联动

生成hello.s后，用riscv64-unknown-elf-objdump反汇编：

riscv64-unknown-elf-objdump -S hello.elf > hello.dump

在hello.dump中找到：

00000000000100b0 <main>: 100b0: 1141 addi sp,sp,-16 100b2: e406 sd ra,12(sp) 100b4: e022 sd s0,8(sp) 100b6: 0801 addi s0,sp,16 100b8: 00050513 li a0,0 100bc: 00058593 li a1,0 100c0: 02f50533 add a0,a1,a0 # ← 这行对应 return a+b

用addr2line反查源码：

riscv64-unknown-elf-addr2line -e hello.elf -a 0x100c0 # 输出：test/hello.c:7

关键技巧：addr2line依赖.debug_line段，必须确保sysyc编译时带-g，且hello.s生成时保留.loc指令（AsmEmitter中out_ << "\t.loc 1 " << line << "\n";）。

5.4 实战案例：修复fib.c的栈溢出

test/fib.c在 QEMU 中 Segfault，GDB 定位到fib函数栈帧过大：

(gdb) run test/fib.c -o fib.s (gdb) bt #0 0x00000000000101a0 in fib () #1 0x00000000000101a0 in fib () # 无限递归

检查fib.s发现：

fib: addi sp, sp, -32 # 分配 32 字节栈帧 sd ra, 24(sp) # 保存 ra sd s0, 20(sp) # 保存 s0 addi s0, sp, 32 # 设置 fp # ... 但未检查 n<2 就递归调用

根源在AstIfNode::accept()未生成beqz跳转，而是无条件递归。修复visitIfNode()：

void IrGenerator::visitIfNode(AstIfNode* node) { auto cond_val = visitExpr(node->cond()); auto then_bb = builder_->create_basic_block(); auto else_bb = builder_->create_basic_block(); auto merge_bb = builder_->create_basic_block(); builder_->br_cond(cond_val, then_bb, else_bb); // 关键：插入条件分支 builder_->set_insert_point(then_bb); visitStmt(node->then_body()); builder_->br(merge_bb); builder_->set_insert_point(else_bb); if (node->else_body()) visitStmt(node->else_body()); builder_->br(merge_bb); builder_->set_insert_point(merge_bb); }

修复后fib.s出现beqz a0, .L2分支，栈溢出消失。

从那以后我每次提交课设代码前，都强制走一遍gdb ./build/sysyc test/hello.c -o hello.s+addr2line反查，确保每一行汇编都能追溯到 AST 节点和源码行。这不仅是调试手段，更是理解编译器如何“思考”的必经之路——当你能指着add t0, a0, a1说“这是hello.c第 5 行的+运算”，编译原理才算真正长进了骨头里。希望帮到你。

本文还有配套的精品资源，点击获取