关于语言:Charj-代码的代码化语言

去年，和公司的大佬探讨了一系列对于代码的代码化，还记录了一些笔记。在那之后，我开始了各种尝试：如何将代码转变动代码。原先有一些思路，而后过了一年之后，缓缓地练习，又有了一些新的播种。

咱们想要做的事件是：把 任意的 A 语言转换为 任意的 B 语言（PS：这里的任意 A 和任意 B 语言都是支流语言）。如此一来，咱们便能够：

1. 疾速重写任何的零碎。
2. 与编程语言无关的领域建模。
3. 产生一个更弱小的 DSL。
4. 创立新的语言。

引子 0：对立语言模型

对立语言模型，即对不同的比编程语言进行形象，应用同一套数据结构形容编程语言。

在我应用了 Golang + Antlr 实现了 Coca 之后，我意识到这是一条可行的计划。然而，因为 Coca 的架构和用处所限，外加之 Antlr 对于 Java 的反对远比 Go 要好，我并没有持续在 Coca 上施行这个计划。

于是乎，我开始了第二个尝试，应用 Kotlin + Antlr 来实现对不同语言的模型对立，也就是我的另外一个开源我的项目 Chapi。然而呢，随着一直的尝试，我发现了其中的难度和工作量比拟大：

1. 编写不同语言的语法解析。社区上曾经有大量的成熟的轮子，其中最闻名的就是 Antlr 相干的语法解析。官网保护的代码仓库（grammars-v4）蕴含了大量的 Antlr 语法解析案例，能够找到市面上一些支流的和非主流的实现。
2. 设计对立语言模型。即设计出一套能兼容不同语言的语言模式。当然了，这是一个继续欠缺的过程，会随着更多语言的退出，变得更加残缺和简单。
3. 解析不同语言。即依据不同语言的语法个性，转换为上述的模型。

从难度上来说，咱们能够看出技术难度次要是在步骤 1 和步骤 2。而步骤 3 呢，则是一个十分繁琐、工作量微小的体力活。咱们还须要相熟不同的编程语言，并一一解析对应的字段，能力转换每一个语言。

因而，我尝试建设起了 Chapi 的社区，而后手把手率领一群人干活。只管，对于不同的语言我曾经建设起了对立的编写模式：TDD + Tasking。仿佛，很多人对于 AST 有点放心，因而参加的人非常少。所以，对于其它语言的反对就不了了之。

相干资源：

• 具体的设计能够参考我写的那一篇：《如何为代码建模？》
• 具体的实现能够参照：https://github.com/phodal/chapi

引子 1：语法高亮的背地

与此同时，哪怕有足够的人，Antlr 并非一个完满的答案。在编写不同语言的反对时，我仍旧遇到一系列的 Antlr 语法不反对的问题。如 JavaScript 的 Import，Java 的一些 Lambda 问题……。换句话来说，Antlr 官网只是保护这么一个库，实在的成果就不得而知了。

于是，我就回到了一条老路上，应用正则——当然不会本人写了。在那篇《编程语言的 IDE 反对》中，我提到了 基于正则表达式来实现语法分析，其中介绍了两个编辑器的实现形式：

• Sublime Text 基于 YAML 模式的正则匹配形式：Sublime Syntax files
• Textmate、VS Code 基于 JSON 的正则匹配形式：Language Grammars

所以，咱们抉择了 VSCode 作为了语法解析背地的语言。在这种模式之下：

1. 咱们有一个成熟稳固的语言解析工具，并且也有一个微小的团队在保护它们。
2. 它的社区是十分宏大的，通过大量的重复晋升。

因而，我和我的共事从几个前开始编写：https://github.com/phodal/scie/ —— 一个基于 TextMate 语法高亮的库。

引子 2：代码生成与 JavaPoet

在咱们毛糙地实现了 Scie 之后，我开始思考着下一步：如何从 A 语言转换为 B 语言的时候，我从 JavaPoet 获取到了一些灵感。JavaPoet 是一个用来生成 .java 源文件的 Java API。如下是一个简略的 JavaPoet 代码示例：

TypeSpec helloWorld = TypeSpec.classBuilder("HelloWorld")
    .addModifiers(Modifier.PUBLIC, Modifier.FINAL)
    .addMethod(main)
    .build();

也就是说，咱们能够写一个 API，以将某语言转换为 B 语言的源码。而要实现任意语言的转换，那么咱们就须要实现一个 DSL：用于 形容不同语言与对立模型的差别 。起初，我意识到我还须要另外一个 DSL，用于 转换对立模型到不同的语言。

引子 3：两头示意的演变

编译器的外围数据结构是被编译程序的两头模式。——《编译器设计》

实践上，通过上述的两种形式，咱们就能够间接生成不同畛域的模型。然而呢，为了调试不便，能够创立一个两头语言来作为它们的承载物，能够让咱们实现更有意思的事件，去对立进行编译器优化——当然，我是瞎说的。

随后我的项目的起因，我钻研了一小段时间的 Proguard + D8 和 Android R8 的实现上。它们两做的事件是类似的，将 .class 字节码，编译优化，再转换成 Android 手机上的 dex。当然了，转换为 Aot 就是一个更有意思的话题了（尽管我也不相熟）。然而呢，这期间波及到了一系列的中间状态：java -> .class -> .dex -> odex -> .oat。即从 Java 代码到 JVM 虚拟机字节码 -> Dalvik 虚拟机字节码 -> 优化过后的 Dalvik 字节码 -> ART 机器码。

而咱们再回过到来看，编码语言自身也是一种两头示意，因为机器运行的是靠机器码。即，那句经典的话：代码是写给人看的。

引子 4：DSL 的 DSL

对于有的编译器来说，它们可能有惟一的 IR（两头示意，Intermediate representation），也可能会有一系列的 IR。最常见的一些实现，便是咱们看到的那些应用 LLVM 作为后端的语言，它们能够生成两头模式的 LLVM IR。同样的对于咱们想做到的事来说，咱们能够设计一个相似于 LLVM IR 的高级两头示意，用于承载语言的设计。

因为我的项目波及到一丁点的代码优化，所以我还浏览了一下那本《高级编译器设计与实现》，书中引入了 ICAN 这个两头语言。嗯，这就是曾经被论证的后果了，不再须要我去论证它的必要性。所以下一步就是：

自举，在计算机科学中，它是一种用于生成自编译编译器的技术，即应用打算编译的源编程语言编写的编译器。

在业内，人们往往往把自举定义在编译器畛域中。然而呢，它能够在更多的畛域被利用。例如 Java 的构建工具，Gradle 应用 Gradle 来构建本人 —— 当然与编程语言相比，这事要绝对容易一些。

而人的自举就是把本人替换便，让工具做了本人的事，让他人做得了本人的事。所以，咱们就须要 Charj 来做本人所能做的事件。

Charj Lang

终于回到了正题上了，在有了下面的几步之后，咱们就能：

1. 通过正则表达式，解析、生成不同语言的语法树。
2. 编写 Poet API 将上述的语法树，转换为某一特定语言源码。
3. 设计某一两头语言，用来作为 A 语言转换为 C 语言的载体。
4. 实现 A 语言到 C 语言，又或者 C 语言到 A 语言的自在转换。

这便是从任意语言转换为任意语言的想法和思路。于是乎，我和我的共事们开始设计一个两头语言：Charj。

当然了，开发一个语言的目标次要是为了锤炼本人的能力，不论是形象能力，还是算法能力等等。在这个漫长的人生里，它将会变得有意义。当前，请叫我 Charj 语言作者。PS：你也能够是 Charj 语言作者。

回过头来看，事实上应该是这样的，我曾经尝试造了各式各样的工具，从各类的编辑器到各类的命令行工具。而在学习了 Rust 之后，我钻研了 JVM、编辑器底层，也正在逐个尝试创立日常所应用的工具。而在上一年里，因为编写重构工具 Coca，再到随后的转换为对立语言模型的 Chapi。对于编译器前端，我曾经有了相当丰盛的教训。自然而然的，发明一个语言就成了下一个方向。

为什么叫 Charj？

从转义上来说，Char 是更适宜 Charj 的定义的，然而 Char（仓颉）的商标曾经被注册了。退而求其次，我只好叫 Charj，能够引伸为中英混合式的：字符（Char）集（Ji），又或者是字符（Char）集（姬）。又或者是『字符 J』—— 至于 J 是什么意思，我还没想分明。咱们能够再定义，再取一个新的名字。

Charj 停顿

Charj 应用的是 Rust 为主的语言编写的。Rust 的自举曾经证实了：Rust 用于开发编程语言是没有问题的。当然了，次要起因还在于让我 C++，还不如让我写 Haskell。

Charj Lang（设计中）

Charj lang 当初的工作分为两局部：

1. 欠缺语法设计
2. 编译器的流程设计

只管从实践上来说，Charj 不肯定须要编译 + 可运行，然而为了自举，咱们须要它们。于是，咱们在后端采纳了 LLVM，前端应用的是 Rust 里的 LR（1）解析器生成器 lalrpop。

GitHub：https://github.com/charj-lang/charj

Charj IDE（开发中）

以后曾经有一个简略的语言插件，当然只有根本的高亮和跳转性能。如果你有肯定的 IDEA 插件开发教训，也能够来咱们一起搞搞。

GitHub：https://github.com/charj-lang/intellij-charj

Scie

Scie（Simple Code Identify Engine）是一个基于正则表达式的通用语言转换器。次要开发工作根本曾经实现了，然而有几个问题须要解决：

1. 效率优化
2. 调用 Oniguruma FFI 时会随机出错。

GitHub：https://github.com/charj-lang/scie

Charj Poet（开发中）

Charj Poet 是一个是用于生成 Charj 代码的 Rust API。打算等语法设计完，再进一步欠缺。

GitHub：https://github.com/charj-lang/charj-poet

Poet DSL（待定）

两局部：

1. 即设计一个新的 DSL，来形容不同语言转换为 Charj Lang 的 DSL。
2. 即设计一个新的 DSL，来形容 Charj Lang 转换为不同语言的 DSL。

官网

简陋和毛糙的官网：https://charj-lang.org/

其它

此时此刻，尽管我翻过几本编译相干的书籍，我也并非一个编译原理相干的专家。所以，如果你也有趣味，欢送来退出咱们。