Brainfuck 解释器与 IR 优化

Brainfuck 是一种简单且最小的图灵完备编程语言. 这种语言由八种运算符构成:

">", 指针加一
"<", 指针减一
"+", 指针指向的字节的值加一
"-", 指针指向的字节的值减一
".", 输出指针指向的单元内容(ASCII 码)
",", 输入内容到指针指向的单元(ASCII 码)
"[", 如果指针指向的单元值为零，向后跳转到对应的 ] 指令的次一指令处
"]", 如果指针指向的单元值不为零，向前跳转到对应的 [ 指令的次一指令处

Brainfuck 完全模仿了图灵纸带机, 后者则是计算机的老祖宗. 理论上一切能被计算的问题都能通过 Brainfuck 被计算(注: 有些问题是不能被计算的, 对于这些问题现代计算机也无能无力).

我会使用 Rust 来编写这个解释器并省略了一部分无关紧要的代码, 以使得核心逻辑清晰.

定义一个枚举类型 Opcode 来代表以上的 8 个字符, 然后编写一个转换函数将字节转换为 Opcode. 由于 "[" 与 "]" 总是成双成对的出现且互相关联, 代码额外使用了 jtable 来存储它们之间的位置关系, 以便快速决定跳转的位置.

#[derive(Debug, PartialEq)] pub enum Opcode { SHR = 0x3E, SHL = 0x3C, ADD = 0x2B, SUB = 0x2D, PUTCHAR = 0x2E, GETCHAR = 0x2C, LB = 0x5B, RB = 0x5D, } pub struct Code { pub instrs: Vec<Opcode>, pub jtable: std::collections::HashMap<usize, usize>, } impl Code { pub fn from(data: Vec<u8>) -> Result<Self, Box<dyn std::error::Error>> { // transform bytes to opcodes // ... } }

再拿到 Opcode 数组之后, 便可以编写针对 Opcode 解释器. Brainfuck 的执行需要首先定义一个栈, 一个栈指针 SP, 源码以及计数器 PC.

struct Interpreter { stack: Vec<u8>, } impl Interpreter { fn run(&mut self, data: Vec<u8>) -> Result<(), Box<dyn std::error::Error>> { let code = Code::from(data)?; let code_len = code.instrs.len(); let mut pc = 0; let mut ps = 0; loop { if pc >= code_len { break; } match code.instrs[pc] { Opcode::SHL => ps = if ps == 0 { 0 } else { ps - 1 }, Opcode::SHR => { ps += 1; if ps == self.stack.len() { self.stack.push(0) } } Opcode::ADD => { self.stack[ps] = self.stack[ps].overflowing_add(1).0; } Opcode::SUB => { self.stack[ps] = self.stack[ps].overflowing_sub(1).0; } Opcode::PUTCHAR => { std::io::stdout().write_all(&[self.stack[ps]])?; } Opcode::GETCHAR => { let mut buf: Vec<u8> = vec![0; 1]; std::io::stdin().read_exact(&mut buf)?; self.stack[ps] = buf[0]; } Opcode::LB => { if self.stack[ps] == 0x00 { pc = code.jtable[&pc]; } } Opcode::RB => { if self.stack[ps] != 0x00 { pc = code.jtable[&pc]; } } } pc += 1; } Ok(()) } }

Hello World!

下面是一个在屏幕上打印 Hello World! 的程序.

++++++++++[>+++++++>++++++++++>+++>+<<<<-] >++.>+.+++++++..+++.>++.<<+++++++++++++++. >.+++.------.--------.>+.>.

我不太清楚上古的程序员们是如何写出这份代码的, 不过我也不在乎...毕竟能运行不是吗?

IR 与优化

目前为止, 我们已经有了一个能正常跑的解释器, 但我对上面的代码并不满意, 如果你仔细观察, 可以发现 Brainfuck 源代码中存在着大量冗余. 让我们将 Hello World 的代码以 Opcode 的形式打印出来:

[ ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, LB, SHR, ADD, ADD, ADD, ADD, ADD, ADD, ADD, SHR, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, SHR, ADD, ADD, ADD, SHR, ADD, SHL, SHL, SHL, SHL, SUB, RB, SHR, ADD, ADD, PUTCHAR, SHR, ADD, PUTCHAR, ADD, ADD, ADD, ADD, ADD, ADD, ADD, PUTCHAR, PUTCHAR, ADD, ADD, ADD, PUTCHAR, SHR, ADD, ADD, PUTCHAR, SHL, SHL, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, ADD, PUTCHAR, SHR, PUTCHAR, ADD, ADD, ADD, PUTCHAR, SUB, SUB, SUB, SUB, SUB, SUB, PUTCHAR, SUB, SUB, SUB, SUB, SUB, SUB, SUB, SUB, PUTCHAR, SHR, ADD, PUTCHAR, SHR, PUTCHAR ]

如果希望解释器执行的稍微快一点, 可以对相邻的相同操作符进行折叠操作, 比如以 ADD(10) 来表示连续存储的十个 ADD 操作符. 为此定义如下的中间表示.

中间语言(英语: Intermediate Language, IR), 在计算机科学中, 是指一种应用于抽象机器(abstract machine)的编程语言, 它设计的目的, 是用来帮助我们分析计算机程序. 这个术语源自于编译器, 在编译器将源代码编译为目的码的过程中, 会先将源代码转换为一个或多个的中间表述, 以方便编译器进行最佳化, 并产生出目的机器的机器语言.

#[derive(Debug, PartialEq)] pub enum IR { SHR(u32), SHL(u32), ADD(u8), SUB(u8), PUTCHAR, GETCHAR, JIZ(u32), // JUMP If Zero JNZ(u32), // JUMP If Not Zero }

好吧, 让我们直接给出 Hello World! 程序的 IR 表示:

[ ADD(10), JIZ(12), SHR(1), ADD(7), SHR(1), ADD(10), SHR(1), ADD(3), SHR(1), ADD(1), SHL(4), SUB(1), JNZ(1), SHR(1), ADD(2), PUTHAR, SHR(1), ADD(1), PUTCHAR, ADD(7), PUTCHAR, PUTCHAR, ADD(3), PUTCHAR, SHR(1), ADD(2), PUTCHAR, SHL(2), ADD(15), PUTCHAR, SHR(1), PUTCHAR, ADD(3), PUTCHAR, SUB(6), PUTCHAR, SUB(8), PUTCHAR, SHR(1), ADD(1), PUTCHAR, SHR(1), PUTCHAR ]

我们可以针对此中间语言编写解释器(相信你应该已经知道该怎么做了). 在测试中, 基于中间语言的解释器大概要比原始解释器快 5 倍左右.

那么, 明天的文章中将会介绍如何针对该中间语言编写 JIT 编译器. 稍微透露一下: 将中间语言翻译为语义等价的汇编代码.