深入V8引擎-AST(5)

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

懒得发首页了，有时候因为贴的代码太多会被下，而且这东西本来也只是对自己学习的记录，阅读体验极差，所以就本地自娱自乐的写着吧！

由于是解析字符串，所以在开始之前介绍一下词法结构体中关于管理字符串类的属性。之前在TokenDesc中，有两个属性，如下。

/**
* 词法结构体
* 每一个TokenDesc代表单独一段词法
*/
struct TokenDesc {
/**
* 字符串词法相关
*/
LiteralBuffer literal_chars;
LiteralBuffer raw_literal_chars;
// ...
}

当时没有详细讲，主要也是比较麻烦，在这里介绍一下该类。

class LiteralBuffer final {
public:
/**
* 根据字符Unicode数值判断是单字节还是双字节字符
*/
void AddChar(uc32 code_unit) {
if (is_one_byte()) {
if (code_unit <= static_cast<uc32>(unibrow::Latin1::kMaxChar)) {
AddOneByteChar(static_cast<byte>(code_unit));
return;
}
ConvertToTwoByte();
}
AddTwoByteChar(code_unit);
}
private:
/**
* 配置
* constexpr int MB = KB * KB; constexpr int KB = 1024;
*/
static const int kInitialCapacity = ;
static const int kGrowthFactor = ;
static const int kMaxGrowth = * MB;
/**
* 向容器加字符
*/
void AddOneByteChar(byte one_byte_char) {
if (position_ >= backing_store_.length()) ExpandBuffer();
backing_store_[position_] = one_byte_char;
position_ += kOneByteSize;
}
/**
* 容器扩容
* 初始至少有64的容量根据需要扩容
* 会生成一个新容量的vector 把数据复制过去并摧毁老的容器
*/
void LiteralBuffer::ExpandBuffer() {
int min_capacity = Max(kInitialCapacity, backing_store_.length());
Vector<byte> new_store = Vector<byte>::New(NewCapacity(min_capacity));
if (position_ > ) {
MemCopy(new_store.begin(), backing_store_.begin(), position_);
}
backing_store_.Dispose();
backing_store_ = new_store;
}
/**
* 扩容算法
* min_capacity代表容器最小所需容量
* (1024 * 1024) / 3 是一个阈值
* 小于该值容量以4倍的速度扩张大于该值容量直接写死
*/
int LiteralBuffer::NewCapacity(int min_capacity) {
return min_capacity < (kMaxGrowth / (kGrowthFactor - ))
? min_capacity * kGrowthFactor
: min_capacity + kMaxGrowth;
}
/**
* Vector容器用来装字符
* potions_根据单/双字符类型影响length的计算
*/
Vector<byte> backing_store_;
int position_;
bool is_one_byte_;
};

其实原理非常简单，用一个Vector容器去装字符，如果容量不够，会进行扩张。

暂时不管双字节字符(比如中文)，所以需要关注的属性和方法就是上面的那些，有一个地方可以关注一下，就是扩容。根据扩容机制，初始会有16 * 4的容量，当所需容量大到一定程度，会写死，这里来计算一下写死的最大容量。

/**
* 计算 kMaxGrowth = 1024 * 1024 = 1048576
* 得到阈值 (kMaxGrowth / (kGrowthFactor - 1) = 1048576 / (4 - 1) = 349525.333
* 而未达到阈值前容器容量会从16开始每次乘以4 如下
* 64 256 1024 4096 16384 65536 262144 1048576
* 当扩容第7次时才出现比阈值大的数这个值恰好等于1mb 因此容器容量最大值就是2mb
*/

单个字符串的解析长度原来是有上限的，最大为2mb，长度约为200万，此时会向Vector容量外的下标赋值，不知道会出现什么情况。

回到上一篇的结尾，由于匹配到单引号，所以会走ScanString方法，源码如下。

Token::Value Scanner::ScanString() {
uc32 quote = c0_;
/**
* 初始化
*/
next().literal_chars.Start();
while (true) {
/**
* 对字符串的结尾预检测
*/
AdvanceUntil([this](uc32 c0) {
// ...
});
/**
* 遇到‘\’直接步进
* 后面如果直接是字符串结尾标识符判定为非法
*/
while (c0_ == '\\') {
Advance();
if (V8_UNLIKELY(c0_ == kEndOfInput || !ScanEscape<false>())) {
return Token::ILLEGAL;
}
}
/**
* 又遇到了同一个字符串标识符
* 说明字符串解析完成
*/
if (c0_ == quote) {
Advance();
return Token::STRING;
} /**
* 没有合拢的字符串返回非法标记
*/
if (V8_UNLIKELY(c0_ == kEndOfInput || unibrow::IsStringLiteralLineTerminator(c0_))) {
return Token::ILLEGAL;
}
// 向Vector里面塞一个字符
AddLiteralChar(c0_);
}
}

总的来说还是比较简单的，正常步进是初始化用过的Advance。代码中有一个方法叫AdvanceUntil，从函数名判断是一个预检函数。这个方法调用的结构非常奇怪，C++语法我也是TM日了狗，主要作用就是预先判断一下当前解析的字符串是否合法，整个函数结构如下。

/**
* 参数是一个匿名函数
*/
AdvanceUntil([this](uc32 c0) {
// Unicode大于127的特殊字符
if (V8_UNLIKELY(static_cast<uint32_t>(c0) > kMaxAscii)) {
/**
* 检测是否是换行符
* \r\n以及\n
*/
if (V8_UNLIKELY(unibrow::IsStringLiteralLineTerminator(c0))) {
return true;
}
AddLiteralChar(c0);
return false;
}
/**
* 检查是否是字符串结束符
*/
uint8_t char_flags = character_scan_flags[c0];
if (MayTerminateString(char_flags)) return true;
AddLiteralChar(c0);
return false;
});/**
* 这个方法会对c0_进行赋值
*/
void AdvanceUntil(FunctionType check) {
c0_ = source_->AdvanceUntil(check);
}template <typename FunctionType>
V8_INLINE uc32 AdvanceUntil(FunctionType check) {
while (true) {
/**
* 从游标位置到结尾搜索符合条件的字符
*/
auto next_cursor_pos =
std::find_if(buffer_cursor_, buffer_end_, [&check](uint16_t raw_c0_) {
uc32 c0_ = static_cast<uc32>(raw_c0_);
return check(c0_);
});
/**
* 1、碰到第二个参数说明没有符合条件的字符直接返回结束符
* 2、有符合条件的字符把游标属性指向该字符的后一位返回该字符
*/
if (next_cursor_pos == buffer_end_) {
buffer_cursor_ = buffer_end_;
if (!ReadBlockChecked()) {
buffer_cursor_++;
return kEndOfInput;
}
} else {
buffer_cursor_ = next_cursor_pos + ;
return static_cast<uc32>(*next_cursor_pos);
}
}
}

这里的调用方式比较邪门，其实就是JS的高阶函数，函数作为参数传入函数，比较核心的就是find_if方法与函数参数，这里就不讲std的方法了，用JS翻译一下，不然看起来实在太痛苦。

const callback = (str) => IsStringLiteralLineTerminator(str);const AdvanceUntil = (callback) => {
let tarArea = buffer_.slice(buffer_cursor_, buffer_end_);
let tarIdx = tarArea.findIdx(v => callback(v));
if(tarIdx === - 1) return '非法字符串';
buffer_cursor_ = tarIdx + 1;
c0_ = buffer_[tarIdx];
}

就是这么简单，变量直接对应，逻辑的话也就上面这些，find_if也就是根据索引来找符合对应条件的值。也就是说，唯一需要讲解的就是字符串结束符的判断。

涉及的新属性有两个，其中一个是映射数组character_scan_flags，另外一个是MayTerminateString方法，两者其实是一个东西，可以放一起看。

inline bool MayTerminateString(uint8_t scan_flags) {
return (scan_flags & static_cast<uint8_t>(ScanFlags::kStringTerminator));
}/**
* 字符扫描标记
*/
enum class ScanFlags : uint8_t {
kTerminatesLiteral = << ,
// "Cannot" rather than "can" so that this flag can be ORed together across
// multiple characters.
kCannotBeKeyword = << ,
kCannotBeKeywordStart = << ,
kStringTerminator = << ,
kIdentifierNeedsSlowPath = << ,
kMultilineCommentCharacterNeedsSlowPath = << ,
};/**
* 映射表
* 对字符的可能性进行分类
*/
static constexpr const uint8_t character_scan_flags[] = {
#define CALL_GET_SCAN_FLAGS(N) GetScanFlags(N),
INT_0_TO_127_LIST(CALL_GET_SCAN_FLAGS)
#undef CALL_GET_SCAN_FLAGS
};

首先可以看出，character_scan_flags也是类似于之前那个Unicode与Ascii的表，对所有字符做一个映射，映射的值就是那个枚举类型，一个字符可能对应多个可能性。这里的计算方法可以参照我之前那篇利用枚举与位运算做配置，需要哪个属性，就用对应的枚举与字符映射值做与运算。

这个映射表的生成比较简单粗暴，会对每一个字符做6重或运算生成一个数，目前只看字符串终止符那块。

constexpr uint8_t GetScanFlags(char c) {
return
/** 1 */ | /** 2 */ | /** 3 */ |
// Possible string termination characters.
((c == '\'' || c == '"' || c == '\n' || c == '\r' || c == '\\')
? static_cast<uint8_t>(ScanFlags::kStringTerminator)
: ) | /** 5 */ | /** 6 */
}

也就是说，当前字符是单双引号、换行与反斜杠时，会被认定可能是一个字符串的结尾。

回到编译字符串'Hello'，由于在字符结束之前，就存在另一个单引号，所以这个符号被认为可能是结束符号赋值给了c0_，Stream类的游标也直接移到了那个位置。至于中间的H、e、l、l、o5个字符，因为不存在任何特殊性，所以在最后的AddLiteralChar方法中被添加进了容器中。

结束后，整个函数正常返回Token::STRING作为词法结构体的类型，结构体的Literal_chars的容器则存储着对应的字符串。