本文转载于:猿2048网站➽https://www.mk2048.com/blog/blog.php?id=hkcjbcbkaa
前言
最近给团队分享了一篇babel原理，然后我把他整理成一篇blog，本篇总字数6059(含代码)，速读3分钟，普通阅读5分钟，有兴趣的可以关注一下我的github博客
babel
我们来看一段代码：
[1,2,3].map(n => n + 1);
经过babel之后，这段代码变成了这样：
[1, 2, 3].map(function (n) {
return n + 1;
});
babel的背后
babel的过程：解析——转换——生成。
这边又一个中间的东西，是抽象语法树(AST)
AST的解析过程
一个js语句是怎么被解析成AST的呢？这个中间有两个步骤，一个是分词，第二个是语义分析，怎么理解这两个东西呢？
- 分词
什么叫分词？
比如我们在读一句话的时候，我们也会做分词操作，比如：“今天天气真好”，我们会把他切割成“今天”，“天气”，“真好”。
那换成js的解析器呢,我们看一下下面一个语句console.log(1);,js会看成console,.,log,(,1,),;。
所以我们可以把js解析器能识别的最小词法单元。
当然这样的分词器我们可以简易实现一下。
//思路分析：传入的是字符串的参数，然后每次取一个字符去校验，用if语句去判断，然后最后结果存入一个数组中，对于标识符和数字进行特殊处理
function tokenCode(code) {
const tokens = [];
//字符串的循环
for(let i = 0; i < code.length; i++) {
let currentChar = code.charAt(i);
//是分号括号的情况
if (currentChar === ';' || currentChar === '(' || currentChar === ')' || currentChar === '}' || currentChar === '{' || currentChar === '.' || currentChar === '=') {
// 对于这种只有一个字符的语法单元，直接加到结果当中
tokens.push({
type: 'Punctuator',
value: currentChar,
});
continue;
}
//是运算符的情况
if (currentChar === '>' || currentChar === '<' || currentChar === '+' || currentChar === '-') {
// 与上一步类似只是语法单元类型不同
tokens.push({
type: 'operator',
value: currentChar,
});
continue;
}
//是双引号或者单引号的情况
if (currentChar === '"' || currentChar === '\'') {
// 引号表示一个字符传的开始
const token = {
type: 'string',
value: currentChar, // 记录这个语法单元目前的内容
};
tokens.push(token);
const closer = currentChar;
// 进行嵌套循环遍历，寻找字符串结尾
for (i++; i < code.length; i++) {
currentChar = code.charAt(i);
// 先将当前遍历到的字符无条件加到字符串的内容当中
token.value += currentChar;
if (currentChar === closer) {
break;
}
}
continue;
}
if (/[0-9]/.test(currentChar)) {
// 数字是以0到9的字符开始的
const token = {
type: 'number',
value: currentChar,
};
tokens.push(token);
for (i++; i < code.length; i++) {
currentChar = code.charAt(i);
if (/[0-9\.]/.test(currentChar)) {
// 如果遍历到的字符还是数字的一部分（0到9或小数点）
// 这里暂不考虑会出现多个小数点以及其他进制的情况
token.value += currentChar;
} else {
// 遇到不是数字的字符就退出，需要把 i 往回调，
// 因为当前的字符并不属于数字的一部分，需要做后续解析
i--;
break;
}
}
continue;
}
if (/[a-zA-Z\$\_]/.test(currentChar)) {
// 标识符是以字母、$、_开始的
const token = {
type: 'identifier',
value: currentChar,
};
tokens.push(token);
// 与数字同理
for (i++; i < code.length; i++) {
currentChar = code.charAt(i);
if (/[a-zA-Z0-9\$\_]/.test(currentChar)) {
token.value += currentChar;
} else {
i--;
break;
}
}
continue;
}
if (/\s/.test(currentChar)) {
// 连续的空白字符组合到一起
const token = {
type: 'whitespace',
value: currentChar,
};
// 与数字同理
for (i++; i < code.length; i++) {
currentChar = code.charAt(i);
if (/\s]/.test(currentChar)) {
token.value += currentChar;
} else {
i--;
break;
}
}
continue;
}
throw new Error('Unexpected ' + currentChar);
}
return tokens;
}
- 语义分析
语义分析的话就比较难了，为什么这么说呢？
因为这个不像分词这样有个标准，有些东西都要靠自己去摸索。
其实语义分析分为两块，一块是语句，还有一块是表达式。
什么叫语句？什么叫表达式呢？
表达式，比如：a > b; a + b;这一类的，可以嵌套，也可以运用在语句中。
语句，比如：var a = 1, b = 2, c =3；等，我们理解中的一个语句。类似于语文中的一个句子一样。
当然，有人会问，console.log(1);这个算什么呢。
其实这种情况可以归为一类，单语句表达式，你既可以看作表达式，也可以看作语句，一个表达式单成一个语句。
既然分完了，我们也可以尝试这来写一下,简单点的语句分析。 比如var定义语句，或者复杂点的if语句块。
生成AST的形式可以参考这个网站，AST的一些语法可以从这个网站试出个大概
//思路分析：既然分三种情况，那么我们也从语句，表达式，单语句表达式入手，我们先定义一个方法用来分析表达式，在定义一个方法来分析语句，最后在定义一个方法分析单语句表达式。整个过程也是分为那么几步。就多了对于指针的管控。
function parse (tokens) {
// 位置暂存栈，用于支持很多时候需要返回到某个之前的位置
const stashStack = [];
let i = -1; // 用于标识当前遍历位置
let curToken; // 用于记录当前符号
// 暂存当前位置
function stash () {
stashStack.push(i);
}
// 往后移动读取指针
function nextToken () {
i++;
curToken = tokens[i] || { type: 'EOF' };;
}
function parseFalse () {
// 解析失败，回到上一个暂存的位置
i = stashStack.pop();
curToken = tokens[i];
}
function parseSuccess () {
// 解析成功，不需要再返回
stashStack.pop();
}
const ast = {
type: 'Program',
body: [],
sourceType: "script"
};
// 读取下一个语句
function nextStatement () {
// 暂存当前的i，如果无法找到符合条件的情况会需要回到这里
stash();
// 读取下一个符号
nextToken();
if (curToken.type === 'identifier' && curToken.value === 'if') {
// 解析 if 语句
const statement = {
type: 'IfStatement',
};
// if 后面必须紧跟着 (
nextToken();
if (curToken.type !== 'Punctuator' || curToken.value !== '(') {
throw new Error('Expected ( after if');
}
// 后续的一个表达式是 if 的判断条件
statement.test = nextExpression();
// 判断条件之后必须是 )
nextToken();
if (curToken.type !== 'Punctuator' || curToken.value !== ')') {
throw new Error('Expected ) after if test expression');
}
// 下一个语句是 if 成立时执行的语句
statement.consequent = nextStatement();
// 如果下一个符号是 else 就说明还存在 if 不成立时的逻辑
if (curToken === 'identifier' && curToken.value === 'else') {
statement.alternative = nextStatement();
} else {
statement.alternative = null;
}
parseSuccess();
return statement;
}
// 如果是花括号的代码块
if (curToken.type === 'Punctuator' && curToken.value === '{') {
// 以 { 开头表示是个代码块
const statement = {
type: 'BlockStatement',
body: [],
};
while (i < tokens.length) {
// 检查下一个符号是不是 }
stash();
nextToken();
if (curToken.type === 'Punctuator' && curToken.value === '}') {
// } 表示代码块的结尾
parseSuccess();
break;
}
// 还原到原来的位置，并将解析的下一个语句加到body
parseFalse();
statement.body.push(nextStatement());
}
// 代码块语句解析完毕，返回结果
parseSuccess();
return statement;
}
// 没有找到特别的语句标志，回到语句开头
parseFalse();
// 尝试解析单表达式语句
const statement = {
type: 'ExpressionStatement',
expression: nextExpression(),
};
if (statement.expression) {
nextToken();
return statement;
}
}
// 读取下一个表达式
function nextExpression () {
nextToken();
if (curToken.type === 'identifier' && curToken.value === 'var') {
// 如果是定义var
const variable = {
type: 'VariableDeclaration',
declarations: [],
kind: curToken.value
};
stash();
nextToken();
// 如果是分号就说明单句结束了
if(curToken.type === 'Punctuator' && curToken.value === ';') {
parseSuccess();
throw new Error('error');
} else {
// 循环
while (i < tokens.length) {
if(curToken.type === 'identifier') {
variable.declarations.id = {
type: 'Identifier',
name: curToken.value
}
}
if(curToken.type === 'Punctuator' && curToken.value === '=') {
nextToken();
variable.declarations.init = {
type: 'Literal',
name: curToken.value
}
}
nextToken();
// 遇到;结束
if (curToken.type === 'Punctuator' && curToken.value === ';') {
break;
}
}
}
parseSuccess();
return variable;
}
// 常量表达式
if (curToken.type === 'number' || curToken.type === 'string') {
const literal = {
type: 'Literal',
value: eval(curToken.value),
};
// 但如果下一个符号是运算符
// 此处暂不考虑多个运算衔接，或者有变量存在
stash();
nextToken();
if (curToken.type === 'operator') {
parseSuccess();
return {
type: 'BinaryExpression',
operator: curToken.value,
left: literal,
right: nextExpression(),
};
}
parseFalse();
return literal;
}
if (curToken.type !== 'EOF') {
throw new Error('Unexpected token ' + curToken.value);
}
}
// 逐条解析顶层语句
while (i < tokens.length) {
const statement = nextStatement();
if (!statement) {
break;
}
ast.body.push(statement);
}
return ast;
}
关于转换和生成，笔者还在研究，不过生成其实就是解析过程的反向，转换的话，还是挺值得深入的，因为AST这东西在好多方面用到，比如：
- eslint对代码错误或风格的检查，发现一些潜在的错误
- IDE的错误提示、格式化、高亮、自动补全等
- UglifyJS压缩代码
- 代码打包工具webpack
这篇文章讲完了，其实不理解代码没关系，把整体思路把握住就行。