翻译阶段

 

C

编译器支持

语言

头文件

类型支持

程序实用工具

可变参数函数支持

错误处理

动态内存管理

字符串库

算法

数值

日期和时间实用工具

输入/输出支持

本地化支持

并发支持 (C11)

技术规范

符号索引

 

C 语言

基本概念

关键字

预处理器

语句

表达式

初始化

声明

函数

其他

C 语言的历史

技术规范

 

基本概念

注释

ASCII

字符集

翻译阶段

标点符号

标识符

作用域

生命周期

查找和命名空间

类型

算术类型

对象和对齐

main() 函数

如同规则

未定义的行为

内存模型和数据竞争

 

C 源文件被编译器处理，如同以下阶段按顺序执行。实际实现可以组合这些操作或以不同的方式处理它们，只要行为相同。

阶段 1

1) 源代码文件（通常是使用 UTF-8 等多字节编码的文本文件）的各个字节以实现定义的方式映射到源字符集的字符。特别是，操作系统相关的换行符被替换为换行符。

源字符集是一个多字节字符集，它包含基本源字符集作为单字节子集，包括以下 96 个字符

a) 5 个空白字符（空格、水平制表符、垂直制表符、换页符、换行符）

b) 从 '0' 到 '9' 的 10 个数字字符

c) 从 'a' 到 'z' 和从 'A' 到 'Z' 的 52 个字母

d) 29 个标点符号：_ { } [ ] # ( ) < > % : ; . ? * + - / ^ & | ~ ! = , \ " '

2) 三字母序列 被替换为相应的单字符表示形式。(直到 C23)

阶段 2

1) 当反斜杠出现在行尾（紧跟换行符）时，反斜杠和换行符都被删除，将两行物理源代码合并为一行逻辑源代码。这是一个单遍操作：一行以两个反斜杠结尾，后面是一个空行，不会将三行合并为一行。

运行此代码

#include <stdio.h>
 
#define PUTS p\
u\
t\
s
/* Line splicing is in phase 2 while macros
 * are tokenized in phase 3 and expanded in phase 4,
 * so the above is equivalent to #define PUTS puts
 */
 
int main(void)
{
 /* Use line splicing to call puts */ PUT\
S\
("Output ends here\\
0Not printed" /* After line splicing, the remaining backslash
               * escapes the 0, ending the string early.
               */
);
}

2) 如果非空源文件在执行此步骤后没有以换行符结尾（无论是最初没有换行符，还是以反斜杠结尾），则行为未定义。

阶段 3

1) 源文件被分解为注释、空白字符序列（空格、水平制表符、换行符、垂直制表符和换页符）和预处理标记，它们是以下内容

a) 头文件名称：<stdio.h> 或 "myfile.h"

b) 标识符

c) 预处理数字，包括整数常量和浮点数常量，但也包括一些无效标记，如 1..E+3.foo 或 0JBK

d) 字符常量 和 字符串字面量

e) 运算符和标点符号，如 +、<<=、<% 或 ##。

f) 不属于任何其他类别的单个非空白字符

2) 每个注释都被替换为一个空格字符

3) 换行符保留，非换行空白字符序列是否可以合并为单个空格字符取决于实现。

如果输入已解析为预处理标记直到给定字符，则下一个预处理标记通常被认为是构成预处理标记的最长字符序列，即使这会导致后续分析失败。这通常被称为最大吞噬。

int foo = 1;
// int bar = 0xE+foo; // error: invalid preprocessing number 0xE+foo
int bar = 0xE/*Comment expands to a space*/+foo; // OK: 0xE + foo
int baz = 0xE + foo; // OK: 0xE + foo
int pub = bar+++baz; // OK: bar++ + baz
int ham = bar++-++baz; // OK: bar++ - ++baz
// int qux = bar+++++baz; // error: bar++ ++ +baz, not bar++ + ++baz
int qux = bar+++/*Saving comment*/++baz; // OK: bar++ + ++baz

最大吞噬规则的唯一例外是

• 头文件预处理标记仅在 #include 或 #embed(自 C23 起) 指令中形成，在 __has_include 和 __has_embed 表达式中(自 C23 起)，以及在 #pragma 指令中实现定义的位置内。

#define MACRO_1 1
#define MACRO_2 2
#define MACRO_3 3
#define MACRO_EXPR (MACRO_1 <MACRO_2> MACRO_3) // OK: <MACRO_2> is not a header-name

阶段 4

1) 预处理器 被执行。

2) 使用#include 指令引入的每个文件都会递归地经历阶段 1 到阶段 4。

3) 在此阶段结束时，所有预处理器指令都将从源代码中删除。

阶段 5

1) 字符常量 和 字符串字面量 中的所有字符和转义序列 从源字符集转换为执行字符集（它可以是 UTF-8 等多字节字符集，只要基本源字符集中列出的所有 96 个字符在阶段 1 中都有单字节表示）。如果转义序列指定的字符不是执行字符集的成员，则结果取决于实现，但保证不会是空（宽）字符。

注意：此阶段执行的转换可以在一些实现中通过命令行选项控制：gcc 和 clang 使用 -finput-charset 来指定源字符集的编码，使用 -fexec-charset 和 -fwide-exec-charset 来指定字符串字面量和字符常量中没有编码前缀的(自 C11 起)执行字符集的编码。

阶段 6

相邻的字符串字面量 被连接起来。

阶段 7

编译发生：标记被语法和语义分析并作为翻译单元进行翻译。

阶段 8

链接发生：满足外部引用的翻译单元和库组件被收集到一个程序映像中，其中包含在其执行环境（操作系统）中执行所需的信息。

参考文献

• C23 标准 (ISO/IEC 9899:2024)

• 5.1.1.2 翻译阶段 (p: TBD)

• 5.2.1 字符集 (p: TBD)

• 6.4 词法元素 (p: TBD)

• C17 标准 (ISO/IEC 9899:2018)

• 5.1.1.2 翻译阶段 (p: 9-10)

• 5.2.1 字符集 (p: 17)

• 6.4 词法元素 (p: 41-54)

• C11 标准 (ISO/IEC 9899:2011)

• 5.1.1.2 翻译阶段 (p: 10-11)

• 5.2.1 字符集 (p: 22-24)

• 6.4 词法元素 (p: 57-75)

• C99 标准 (ISO/IEC 9899:1999)

• 5.1.1.2 翻译阶段 (p: 9-10)

• 5.2.1 字符集 (p: 17-19)

• 6.4 词法元素 (p: 49-66)

• C89/C90 标准 (ISO/IEC 9899:1990)

• 2.1.1.2 翻译阶段

• 2.2.1 字符集

• 3.1 词法元素

另请参阅

C++ 文档 for 翻译阶段