原文出處: Peter Norvig 譯文出處: jnjc(@jnjcc)
本文有兩個目的: 一是講述實作計算機語言解釋器的通用方法,另外一點,着重展示如何使用Python來實作Lisp方言Scheme的一個子集。我将我的解釋器稱之為Lispy (lis.py)。幾年前,我介紹過如何使用Java編寫一個Scheme解釋器,同時我還使用Common Lisp語言編寫過一個版本。這一次,我的目的是盡可能簡單明了地示範一下Alan Kay所說的“軟體的麥克斯韋方程組” (Maxwell’s Equations of Software)[1]。
Lispy支援的Scheme子集的文法和語義
大多數計算機語言都有許多文法規約 (例如關鍵字、中綴操作符、括号、操作符優先級、點标記、分号等等),但是,作為Lisp語言家族中的一員,Scheme所有的文法都是基于包含在括号中的、采用字首表示的清單的。這種表示看起來似乎有些陌生,但是它具有簡單一緻的優點。 (一些人戲稱”Lisp”是”Lots of Irritating Silly Parentheses“——“大量惱人、愚蠢的括号“——的縮寫;我認為它是”Lisp Is Syntactically Pure“——“Lisp文法純粹”的縮寫。) 考慮下面這個例子:
|
注意上面的驚歎号在Scheme中并不是一個特殊字元;它隻是”
set!
“這個名字的一部分。(在Scheme中)隻有括号是特殊字元。類似于
(set! x y)
這樣以特殊關鍵字開頭的清單在Scheme中被稱為一個特殊形式 (special form);Scheme的優美之處就在于我們隻需要六種特殊形式,以及另外的三種文法構造——變量、常量和過程調用。
形式 (Form) | 文法 | 語義和示例 |
---|---|---|
變量引用 | var | 一個符号,被解釋為一個變量名;其值就是這個變量的值。 示例: |
常量字面值 | number | 數字的求值結果為其本身 示例: 或者 |
引用 | ( exp) | 傳回exp的字面值;不對它進行求值。 示例: |
條件測試 | ( test conseq alt) | 對test進行求值;如果結果為真,那麼對conseq進行求值并傳回結果;否則對alt求值并傳回結果。 示例: |
指派 | ( varexp) | 對exp進行求值并将結果賦給var,var必須已經進行過定義 (使用 進行定義或者作為一個封閉過程的參數)。 示例: |
定義 | ( varexp) | 在最内層環境 (environment) 中定義一個新的變量并将對exp表達式求值所得的結果賦給該變量。 示例:( 或者 |
過程 | ( (var…)exp) | 建立一個過程,其參數名字為var…,過程體為相應的表達式。 示例: |
(表達式) 序列 | ( exp…) | 按從左到右的順序對表達式進行求值,并傳回最終的結果。 示例: |
過程調用 | (proc exp…) | 如果proc是除了 或者 之外的其它符号的話,那麼它會被視作一個過程。它的求值規則如下:所有的表達式exp都将被求值,然後這些求值結果作為過程的實際參數來調用該相應的過程。 示例: |
在該表中,var必須是一個符号——一個類似于x或者square這樣的辨別符——number必須是一個整型或者浮點型數字,其餘用斜體辨別的單詞可以是任何表達式。exp…表示exp的0次或者多次重複。
更多關于Scheme的内容,可以參考一些優秀的書籍 (如Friedman和Fellesein, Dybvig,Queinnec, Harvey和Wright或者Sussman和Abelson)、視訊 (Abelson和Sussman)、教程 (Dorai、PLT或者Neller)、或者參考手冊。
語言解釋器的職責
一個語言解釋器包括兩部分:
1、解析 (Parsing):解析部分接受一個使用字元序清單示的輸入程式,根據語言的文法規則對輸入程式進行驗證,然後将程式翻譯成一種中間表示。在一個簡單的解釋器中,中間表示是一種樹結構,緊密地反映了源程式中語句或表達式的嵌套結構。在一種稱為編譯器的語言翻譯器中,内部表示是一系列可以直接由計算機 (作者的原意是想說運作時系統——譯者注) 執行的指令。正如Steve Yegge所說,“如果你不明白編譯器的工作方式,那麼你不會明白計算機的工作方式。”Yegge介紹了編譯器可以解決的8種問題 (或者解釋器,又或者采用Yegge的典型的反諷式的解決方案)。 Lispy的解析器由
parse
函數實作。
2、執行:程式的内部表示 (由解釋器) 根據語言的語義規則進行進一步處理,進而執行源程式的實際運算。(Lispy的)執行部分由
eval
函數實作 (注意,該函數覆寫了Python内建的同名函數)。
下面的圖檔描述了解釋器的解釋流程,(圖檔後的) 互動會話展示了
parse
和
eval
函數對一個小程式的操作方式:
|
這裡,我們采用了一種盡可能簡單的内部表示,其中Scheme的清單、數字和符号分别使用Python的清單、數字和字元串來表示。
執行:
eval
下面是
eval
函數的定義。對于上面表中列出的九種情況,每一種都有一至三行代碼,
eval
函數的定義隻需要這九種情況:
|
eval函數的定義就是這麼多…當然,除了environments。Environments (環境) 隻是從符号到符号所代表的值的映射而已。一個新的符号/值綁定由一個
define
語句或者一個過程定義 (
lambda
表達式) 添加。
讓我們通過一個例子來觀察定義然後調用一個Scheme過程的時候所發生的事情 (
lis.py>
提示符表示我們正在與Lisp解釋器進行互動,而不是Python):
|
當我們對
(lambda (r) (* 3.141592653 (* r r)))
進行求值時,我們在
eval
函數中執行
elif x[0] == 'lambda'
分支,将
(_, vars, exp)
三個變量分别指派為清單
x
的對應元素 (如果
x
的長度不是3,就抛出一個錯誤)。然後,我們建立一個新的過程,當該過程被調用的時候,将會對表達式
['*', 3.141592653 ['*', 'r', 'r']]
進行求值,該求值過程的環境 (environment) 是通過将過程的形式參數 (該例中隻有一個參數,
r
) 綁定為過程調用時所提供的實際參數,外加目前環境中所有不在參數清單 (例如,變量
*
) 的變量組成的。新建立的過程被指派給
global_env
中的
area
變量。
那麼,當我們對
(area 3)
求值的時候發生了什麼呢?因為
area
并不是任何表示特殊形式的符号之一,它必定是一個過程調用 (
eval
函數的最後一個
else:
分支),是以整個表達式清單都将會被求值,每次求值其中的一個。對
area
進行求值将會獲得我們剛剛建立的過程;對3進行求值所得的結果就是3。然後我們 (根據
eval
函數的最後一行) 使用參數清單[3]來調用這個新建立的過程。也就是說,對
exp
(也就是
['*', 3.141592653 ['*', 'r', 'r']]
)進行求值,并且求值所在的環境中
r
的值是3,并且外部環境是全局環境,是以
*
是乘法過程。
現在,我們可以解釋一下Env類的細節了:
|
注意
Env
是
dict
的一個子類,也就是說,通常的字典操作也适用于
Env
類。除此之外,該類還有兩個方法,構造函數
__init__
和
find
函數,後者用來為一個變量查找正确的環境。了解這個類的關鍵 (以及我們需要一個類,而不是僅僅使用
dict
的根本原因) 在于外部環境 (outer environment) 這個概念。考慮下面這個程式:
1 2 3 4 5 6 | |
每個矩形框都代表了一個環境,并且矩形框的顔色與環境中最新定義的變量的顔色相對應。在程式的最後兩行我們定義了
a1
并且調用了
(a1 -20.00)
;這表示建立一個開戶金額為100美元的銀行賬戶,然後是取款20美元。在對
(a1 -20.00)
求值的過程中,我們将會對黃色高亮表達式進行求值,該表達式中具有三個變量。
amt
可以在最内層 (綠色) 環境中直接找到。但是
balance
在該環境中沒有定義:我們需要檢視綠色環境的外層環境,也就是藍色環境。最後,
+
代表的變量在這兩個環境中都沒有定義;我們需要進一步檢視外層環境,也就是全局 (紅色) 環境。先查找内層環境,然後依次查找外部的環境,我們把這一過程稱之為詞法定界 (lexical scoping)。
Procedure.find
負責根據詞法定界規則查找正确的環境。
剩下的就是要定義全局環境。該環境需要包含
+
過程以及所有其它Scheme的内置過程。我們并不打算實作所有的内置過程,但是,通過導入Python的math子產品,我們可以獲得一部分這些過程,然後我們可以顯式地添加20種常用的過程:
|
PS1: 對麥克斯韋方程組的一種評價是“一般地,宇宙間任何的電磁現象,皆可由此方程組解釋”。Alan Kay所要表達的,大緻就是Lisp語言使用自身定義自身 (Lisp was “defined in terms of Lisp”) 這種自底向上的設計對軟體設計而言具有普遍的參考價值。——譯者注
解析 (Parsing):
read
和
parse
接下來是
parse
函數。解析通常分成兩個部分:詞法分析和文法分析。前者将輸入字元串分解成一系列的詞法單元 (token);後者将詞法單元組織成一種中間表示。Lispy支援的詞法單元包括括号、符号 (如
set!
或者
x
) 以及數字 (如2)。它的工作形式如下:
|
有許多工具可以進行詞法分析 (例如Mike Lesk和Eric Schmidt的lex)。但是我們将會使用一個非常簡單的工具:Python的
str.split
。我們隻是在 (源程式中) 括号的兩邊添加空格,然後調用
str.split
來獲得一個詞法單元的清單。
接下來是文法分析。我們已經看到,Lisp的文法很簡單。但是,一些Lisp解釋器允許接受表示清單的任何字元串作為一個程式,進而使得文法分析的工作更加簡單。換句話說,字元串
(set! 1 2)
可以被接受為是一個文法上有效的程式,隻有當執行的時候解釋器才會抱怨
set!
的第一個參數應該是一個符号,而不是數字。在Java或者Python中,與之等價的語句
1 = 2
将會在編譯時被認定是錯誤。另一方面,Java和Python并不需要在編譯時檢測出表達式
x/0
是一個錯誤,是以,如你所見,一個錯誤應該何時被識别并沒有嚴格的規定。Lispy使用
read
函數來實作
parse
函數,前者用以讀取任何的表達式 (數字、符号或者嵌套清單)。
tokenize
函數擷取一系列詞法單元,
read
通過在這些詞法單元上調用
read_from
函數來進行工作。給定一個詞法單元的清單,我們首先檢視第一個詞法單元;如果它是一個’)’,那麼這是一個文法錯誤。如果它是一個’(‘,那麼我們開始建構一個表達式清單,直到我們讀取一個比對的’)’。所有其它的 (詞法單元) 必須是符号或者數字,它們自身構成了一個完整的清單。剩下的需要注意的就是要了解’
2
‘代表一個整數,
2.0
代表一個浮點數,而
x
代表一個符号。我們将區分這些情況的工作交給Python去完成:對于每一個不是括号也不是引用 (quote) 的詞法單元,我們首先嘗試将它解釋為一個int,然後嘗試float,最後嘗試将它解釋為一個符号。根據這些規則,我們得到了如下程式:
|
最後,我們将要添加一個函數
to_string
,用來将一個表達式重新轉換成Lisp可讀的字元串;以及一個函數
repl
,該函數表示read-eval-print-loop (讀取-求值-列印循環),用以構成一個互動式的Lisp解釋器:
|
下面是函數工作的一個例子:
|
Lispy有多小、多快、多完備、多優秀?
我們使用如下幾個标準來評價Lispy:
*小巧:Lispy非常小巧:不包括注釋和空白行,其源代碼隻有90行,并且體積小于4K。(比第一個版本的體積要小,第一個版本有96行——根據Eric Cooper的建議,我删除了
Procedure
的類定義,轉而使用Python的
lambda
。) 我用Java編寫的Scheme解釋器Jscheme最小的版本,其源代碼也有1664行、57K。Jscheme最初被稱為SILK (Scheme in Fifty Kilobytes——50KB的Scheme解釋器),但是隻有計算位元組碼而不是源代碼的時候,我才能保證 (其體積) 小于該最小值。Lispy做的要好得多;我認為它滿足了Alan Kay在1972年的斷言:他聲稱我們可以使用“一頁代碼”來定義“世界上最強大的語言”。
|
*高效:Lispy計算
(fact 100)
隻需要0.004秒。對我來說,這已經足夠快了 (雖然相比起其它的計算方式來說要慢很多)。
*完備:相比起Scheme标準來說,Lispy不是非常完備。主要的缺陷有:
(1) 文法:缺少注釋、引用 (quote) / 反引用 (quasiquote) 标記 (即
'
和
`
——譯者注)、#字面值 (例如#\a——譯者注)、衍生表達式類型 (例如從
if
衍生而來的
cond
,或者從
lambda
衍生而來的
let
),以及點清單 (dotted list)。
(2) 語義:缺少call/cc以及尾遞歸。
(3) 資料類型:缺少字元串、字元、布爾值、端口 (ports)、向量、精确/非精确數字。事實上,相比起Scheme的pairs和清單,Python的清單更加類似于Scheme的向量。
(4) 過程:缺少100多個基本過程:與缺失資料類型相關的所有過程,以及一些其它的過程 (如
set-car!
和
set-cdr!
,因為使用Python的清單,我們無法完整實作
set-cdr!
)。
(5) 錯誤恢複:Lispy沒有嘗試檢測錯誤、合理地報告錯誤以及從錯誤中恢複。Lispy希望程式員是完美的。
*優秀:這一點需要讀者自己确定。我覺得,相對于我解釋Lisp解釋器這一目标而言,它已經足夠優秀。
真實的故事
了解解釋器的工作方式會很有幫助,有一個故事可以支援這一觀點。1984年的時候,我在撰寫我的博士論文。當時還沒有LaTeX和Microsoft Word——我們使用的是troff。遺憾的是,troff中沒有針對符号标簽的前向引用機制:我想要能夠撰寫“正如我們将要在@theoremx頁面看到的”,随後在合适的位置撰寫”@(set theoremx \n%)” (troff寄存器\n%儲存了頁号)。我的同伴,研究所學生Tony DeRose也有着同樣的需求,我們一起實作了一個簡單的Lisp程式,使用這個程式作為一個預處理器來解決我們的問題。然而,事實證明,當時我們用的Lisp善于讀取Lisp表達式,但在采用一次一個字元的方式讀取非Lisp表達式時效率過低,以至于我們的這個程式很難使用。
在這個問題上,Tony和我持有不同的觀點。他認為 (實作) 表達式的解釋器是困難的部分;他需要Lisp為他解決這一問題,但是他知道如何編寫一個短小的C過程來處理非Lisp字元,并知道如何将其連結進Lisp程式。我不知道如何進行這種連結,但是我認為為這種簡單的語言編寫一個解釋器 (其所具有的隻是設定變量、擷取變量值和字元串連接配接) 很容易,于是我使用C語言編寫了一個解釋器。是以,戲劇性的是,Tony編寫了一個Lisp程式,因為他是一個C程式員;我編寫了一個C程式,因為我是一個Lisp程式員。
最終,我們都完成了我們的論文。
整個解釋器
重新總結一下,下面就是Lispy的所有代碼 (也可以從lis.py下載下傳):
|