【C】 02 - 程式結構和預先處理

標籤：des   style   blog   color   os   使用   io   ar   檔案   

　　在正式進入C的文法之前，有必要對其整體外觀和組成元素作一個瀏覽。這部分內容對大多數人是比較陌生的，但它們卻是C的起點和骨架。而這些內容涉及的背景或細節又可以展開為專門的課題，這裡也只是淺嘗則止，說明個大概即可。

1. C程式組成

　　任何一個程式都首先以源檔案（source file）的形式存在，它是一個普通的文字檔。C程式一般由一系列尾碼為.c和.h的檔案組成，前者包含了程式的執行內容，後者包含了各種聲明或定義。其實檔案名稱並不重要，這樣的尾碼名僅是約定俗成的習慣。但建議保持這樣的風格，一是為了看程式的人能一目瞭然，二是在整合式開發環境（IDE）裡它們已經成為C檔案的標識。

　　文字檔有許多字元組成，這些字元的編碼方法由編輯器決定。對C編譯器有意義的是它們所表示的字元而非編碼本身，預先處理開始前會將這些字元對應表成source character set（一般是UTF-8）。預先處理就是在該字元集下進行的，預先處理後還會將字元和字串映射成execution character set，它由目標平台決定，但一般和前者相同。

　　這兩種字元集都包含base character set，它就是我們正常使用英文和符號（編碼在兩個字元集中相同），字母是區分大小寫。新標準還支援extended character set，它可出現在兩種字元集中。比如在source字元集中可在多處使用unicode：identifier、char constant、string literal、headfile name、comment、preprocessing token。樣本如下（需編譯器支援或開啟開關），但不建議這樣的編碼風格。

// Define variable αwchar_t \u03B1 = L‘α‘;

　　C語言的編譯是以translation unit為單元的，它是預先處理後的.c檔案。各單元的編譯互不相干，連接器最終會把它們和庫一起整合成執行檔案。關於編譯、串連和調試，我打算另開課題，這裡不深入討論。以下是一個多檔案程式的常見錯誤，但在編譯串連時並不會報錯，因為無法跨unit檢查文法。運行時檔案2中會把數組a的元素當地址使用，出現錯誤。

// File 1int a[3];// File 2extern int *a;  // should be a[]

　　C程式可能獨立運行（嵌入式），也可能運行在作業系統中。C規範對這兩種情況的要求稍微有點不同，分別叫freestanding implementation和hosted implementation。其中後者要求實現更多的庫，而且必須有一個main函數。而前者只需要少數必要的庫，程式入口不作規定（但建議也用main）。main函數可有以下兩種形式，對第二種形式，規範要求argv[0]為程式名，argv[argc] = NULL。

int main(void);int main(int argc, char* argv[]);  // or char** argv

　　程式運行時，記憶體中除了常量區（代碼和字串）、資料區外還會有堆和棧區。一般棧底在高地址，向低地址增長。hosted程式的地址一般是邏輯地址，運行時由OS負責映射為物理地址。

2. 預先處理步驟

　　第0步，字元集映射。將來源程式文字檔的字元對應表為source字元集，甚至包括將分行符號的統一編碼。C還要求每行都以分行符號結束，如果檔案尾沒有換行，編譯器會warning（需開啟）。

　　第1步，trigraph sequance。為支援某些古老的鍵盤，C使用??x來轉義它們沒有的符號。所以請在代碼中避免使用??序列，字串中可使用\?轉義。下表是規範支援的trigraph sequance，不在該表中的不進行轉義。

??(	??)	??<	??>	??=	??/	??‘	??!	??-
[	]	{	}	#	\	^	|	~

　　第2步，去除“\+斷行符號”。將該組合去除，不產生或消除空白。所以identifier中也可以被斷開，但它一般用於宏定義和字串換行(見示意代碼)。注意下一行的前置空白會被保留，所以不能為了格式對齊而添加空格。

#define INC(a)           \{                           a++;                  }char str[] = "this is a  long string";

　　第3步，preprocessing token。將注釋換成一個空格，解析pp token和空白（white space）。空白包括空格、換行、tab等，換行被保留，其它空白的處理基於實現。注釋/**/可跨行，不可以嵌套。如果想臨時注釋掉一段代碼，最好用#if 0。注釋//作用到本行末，舊C不支援該用法。

// should use #if 0/*int a; /* declare var */*/

　　第4步，預先處理指令。展開宏，匯入包含檔案，執行預先處理指令，直至結束。預先處理指令（directive）以#開頭，僅包括當前行，#前後可以有空白。

　　第5步，字串處理。字元（串）映射為execution字元集，包括將逸出序列\x編碼。將相鄰字串拼接為一個字串，只添加一個結束符‘\0‘。

char str[] = "This is a "             "long string";

　　第6步，C token。將pp token映射為C token，空白被丟棄。

 3. Token 解析

　　程式設計語言在字元集的基礎上進行詞法（Lexical）、文法（Syntax）和語義（Semantic）的分析。C詞法分析就是將程式分解為token，這一步在預先處理階段完成。token一般不會被賦予太多的意義，只是根據序列特徵大致分類，編譯器根據這些特徵解析出一個個token。token解析採用貪婪原則（也稱最長原理），一個token的下一個字元與它不能再組成有意義的token。不滿足貪婪原則的分割，即使有意義，也是不被採用的。預先處理將token大致分為四類：identifier，data constant，string，punctual。

　　identifier即標識，它包括directive、keyword、object、function、tag、member、name、lable、macro等，簡單說就是用來表示某個東西的名字。identifier的詞法大家都熟悉，就是由字母、數字和‘_‘組成，但不由數字開頭。identifier不宜過長，因為有些編譯器會進行截取。另外在起名字時盡量迴避關鍵字還有__xxx__和_Axx_（大寫字母開頭），它們都預留給系統使用。

　　data constant就是各種常量，包括整形、浮點、字元等。它們有自己的格式，在下一章將有描述。headfile name和string literal以<>或“”作為邊界，其中可以含有空格。在其它場合，空白和符號往往是分割token的邊界。

　　punctual就是各種符號。它同樣也遵循貪婪原則，以最長的有意義符號串作為一個token，注意其中不能有空白。另外C還支援digraph逸出序列（下表），但和trigraph不同，它是在token解析時進行的。

<:	:>	<%	%>	%:	%:%:
[	]	{	}	#	##

　　需要強調的是，token解析是在預先處理階段完成的，而且除特殊情況外不重新解析。預先處理裡中的token到C編譯時間會做一些調整（字元轉義、丟棄空白等），但token的分割已經完成。也就是說token解析完成後，程式的組成單位就是token，而不是字元集了。由此可見，宏定義不光是簡單的字串替換，至少它還影響了token的解析。以下的例子能很好的說明本段的一些內容。

#define plus     +a+++b;           // (a++) + ba+ ++b;          // a + (++b)a+ + +b;         // illegala plus++b;       // a + (++b)a+ =b;           // illegala plus=b;        // illegala/*p;            // should be a/ *p

4. 預先處理指令4.1 宏

　　宏是預先處理中最複雜也是最強大的功能，這裡用單獨篇幅說明宏的使用。簡單來說，宏就是將宏identifier用其定義的token序列替代。替代的token序列的頭和尾的空白被去除，中間的空白可能被合并，包括宏參數也是這樣處理的，這與我們一直認識的“替代”還是有差別的。另外，宏只做替換，對常量運算式並不做計算。

#define r    1#define C    (2*r*3.14)        // (2 * 1 * 3.14), not 6.28#define mul(a, b)             (    (a)     *     (b)    )mul(  2   +    3   ,   5   );  // ( (2 + 3) * (5) ), attention to the space

　　宏中有兩個可以改變token的操作符：#和##。#叫stringify operator，它可以將宏參數字串化。宏實參可能為token序列，其中可能有字串，這時將"和串中的\用\轉義（非串中的\不轉）。#僅作用於宏參數，不可用於一般token。

#define str    #hi    // not "hi"#define str(a) #astr(\a"hi\!");        // "\a\"hi\\!\""

　　##叫token pasting operator，用於合并token。它的左右操作對象可以是宏參數，也可以是一般token，它與操作對象間的空白會被去除。##甚至可以連用，串起更多的操作對象。#和##只在宏展開時起作用，如果宏結果中出現#或##，將不再起作用。

#define twoj  # ## #                     // ###define fun(pre, post)   pre##_f_##postfun(res, get)();                         // res_f_get()

　　不帶參數的宏叫object-like macro，帶參數的叫function-like macro。函數宏的定義中，宏名與()之間不能有空白，參數可為空白。調用時宏名與()之間可有空白，而且新規範允許宏實參為空白。函數宏定義最好能讓使用者自由添加‘;‘，見do while語句。

#define add1 (a, b)   (a+b)add1(1, 1);                        // wrong. (a, b) (a+b)(1, 1)#define add2(a, b)    (a+b)add2 (1, 1);                       // ok, 1+1#define fun1()                     // ok#define fun2(a, b)    add##a##bfun2();                            // addfun2(1);                           // add1fun2(, 2);                         // add2

　　新規範中支援宏的變長參數，只需將末尾的參數用...表示即可。不同於C的變長參數，宏中不需要前置參數。在定義中用_VA_ARGS_代替實參，實參為token序列（包含‘,‘），頭尾沒有空白，中間可能有空白。

#define show(...)    printf(#_VA_ARGS_)show(  hi, there!  );                    // printf("hi, there!")#define fun(a, ...) a##_VA_ARGS_fun(1, 2, 3);                            // 12, 3fun(1);                                  // 1

　　宏展開中最複雜的情況是宏嵌套，但其實只要弄清三點即可：（1）宏實參遇到#或##時，立即產生作用，不再繼續展開；（2）其它地方宏實參要先自行展開再帶入結果；（3）對結果中出現的曾經完整展開的宏或#、##，不作處理，其它宏則繼續展開。結合（1）（2），如果想先展開再做#或##，可以將#或##操作本身包在宏裡。以下代碼中，展開內層M(0)時外層M尚未完全展開，所以內層M(0)可展開。而f()展開為f後，f()不可再次展開。

#define one      1#define show(a)  printf(#a" = %d\n", a)show(one);                               // printf("one = %d\n", 1)#define name     edward#define str(s)   #s#define show(a)  printf(str(a))show(name);                              // printf("edward")#define M(x)     x#define f()      fM(M(0));                                 // 0f()();                                   // f()

　　宏展開是比較靠前執行的，#include和#if指令中都可以使用宏定義。由於整個檔案名稱（包括<>""）是一個token，宏也要定義完整的檔案名稱。宏不可以重定義，除非先#undef或定義完全一樣，這裡的一樣是指參數個數和token序列一樣，參數名可以不一樣。

#define name1       stdio#define name2       <stdio.h>#include <name1.h>             // <name1.h>#include name2                 // <stdio.h>#define add()#undef add#define add(a, b)   a+b     // ok#define add(x, y)   x+y     // ok#define add(x, y)   x + y   // illegal

　　系統提供了一些預定義宏，可以在程式中使用。以下是規範要求必須定義的宏，這些宏不可以#undef。有些不斷變化的宏（如__LINE__）其實是系統變數，規範要求每個函數開始都有一個隱藏定義static const char __FUNC__[] = file_name。

Macro	Type	Description
__FILE__	"path\name"	包含路徑，實際檔案
__LINE__	integer	實際檔案
__DATE__	"Mmm dd yyyy"	無值的位補0
__TIME__	"hh:mm:ss"	無值的位補0
__STDC__	0 or 1	是否與規範相容
__STDC_VERSION__	yyyymmL	所相容規範版本
__STDC_HOSTED__	0 or 1	是否有OS

　　因為宏只是token替換，它隱含很多不利之處，有時要使用其它替代方法。用宏定義的整型無法在調試時顯示，可以用枚舉常量替代。宏定義的字串常量可能產生多份，可以用const string替代。函數宏無參數檢查且有副作用，可以用inline函數替代。

4.2 其它指令

　　#include指令將標頭檔包含在本unit中，後面跟標頭檔名。< >包含的檔案到庫目錄中尋找，編譯環境一般可以指定該目錄。" "包含的檔案先從目前的目錄下尋找，再到庫中尋找，從而可以先使用自訂的庫。為了消除重複包含，可以用宏（見樣本）或編譯器擴充語句。

　　為增加移植性和靈活性，預先處理支援conditional compiling。它一般以#if、#ifdef或#ifndef分支開頭，後面跟著0個或多個#elif分支，末尾最多一個#else分支，最後以#endif結束。條件運算式的結果要是整型，可以是整型常量、宏或defined運算子，不可使用字元（串）、浮點常量。defined是預先處理的唯一關鍵字，它有defined(M)和defined M兩種形式。

　　#line指令後跟行號和可選的檔案名稱，這個指令一般用於產生.c檔案的檔案中，使行號（檔案名稱）指向原始檔案，而非.c檔案。#error指令後跟任意token序列，這些token不能展開宏。預先處理遇到#error會掛起，並且顯示token序列。

　　#pragma指令由編譯器自訂行為，STDC開頭的指令預留給規範使用，目前已定義了一些功能開關。#pragma中不可以展開宏，新規範中使用關鍵字_Pragma("command")支援宏展開，它等價於#pragma command。

// headfile, only included once#ifndef HEAD.H#define HEAD.H// ...#endif#if defined X            // the same as #ifdef X#elif defined(Y)// ...#elif#else#endif#line 100#line 100 "\test.c"#define name  edward#error fail, name!       // show fail, name!#define str(cmd)  #cmd_Pragma(str(align(4)));  // the same as #pragma align(4)

 

【C】 02 - 程式結構和預先處理