用 Python 从零开始写一个简单的解释器（4）
在本系列的前三篇文章中，我们已经为IMP语言建立了词法分析器、解析器 和 抽象语法树AST。我们甚至写了自己的解析器组合库。在这最后一篇文章中，我们将会实现解释器的最后一个组件：求值器。
一起来了解一下通常一个程序是如何进行求值的。在任意给定的时间，有一些“控制点”，表明了程序下一步将要求值的语句。当下一个语句求值完毕，它通过推进“控制点”和改变变量值来修正程序状态。
为了给一个IMP程序求值，我们需要三样东西：
- 控制点—我们需要知道要求的值的下一条语句或表达式。
- 环境—我们需要一种调整“程序状态”的方法。
- 求值函数—我们需要知道如何调整每个语句或表达式的状态和控制点。
至少对IMP而言，控制点是最简单的。我们已经将中间表示都安排在一棵树状结构中了。只需要为高级语句调用求值函数，该函数将为其中的语句和表达式递归调用求值函数。我们基本上使用Python的控制点来作为我们自己的控制点。对于具有更复杂的控制结构像函数或异常之类的语言来说，这样做可能不那么简单，但对于IMP我们可以让它简单一些。
环境也很简单。IMP只有全局变量，所以我们可以用一个简单的Python字典塑造环境。不论什么时候，只要赋值发生了，我们就去更新字典里的变量值。
求值函数是我们唯一真正需要考虑的事情。每一种表达式都有一个求值函数，它将根据当前的环境返回一个值。算术表达式会返回一个整数，布尔表达式会返回真（true）与假（false）。表达式没有副作用，所以不会修改环境。每种声明语句也会有一个求值函数。声明语句的行为是修改环境，所以没有结果返回。
定义求值函数
我们会把求值函数定义为AST类的方法。这样一来，每个函数都能直接访问到它所求值的结构。这里是算术表达式的函数集：
| 1234567891011121314151617181920212223242526272829 | class IntAexp(Aexp): ... def eval(self, env): return self.i class VarAexp(Aexp): ... def eval(self, env): if self.name in env: return env[self.name] else: return 0 class BinopAexp(Aexp): ... def eval(self, env): left_value = self.left.eval(env) right_value = self.right.eval(env) if self.op == \’+\’: value = left_value + right_value elif self.op == \’-\’: value = left_value – right_value elif self.op == \’*\’: value = left_value * right_value elif self.op == \’/\’: value = left_value / right_value else: raise RuntimeError(\’unknown operator: \’ + self.op) return value |
你会注意到，当程序员使用了一个尚未定义的变量（不在环境字典中）时，我们添加了一些额外的逻辑。为了尽量简单，避免再写一个错误处理系统，我们给所有未定义的变量赋值为0。
在BinopAexp中我们通过抛出一个RuntimeError来处理“未知操作符”。解析器不能使用未知操作符创建一个AST，所以在实际中我们不用担心这个。
这里是布尔表达式的函数：
| 12345678910111213141516171819202122232425262728293031323334353637383940 | class RelopBexp(Bexp): ... def eval(self, env): left_value = self.left.eval(env) right_value = self.right.eval(env) if self.op == \'<\’: value = left_value < right_value elif self.op == \'<=\’: value = left_value <= right_value elif self.op == \’>\’: value = left_value > right_value elif self.op == \’>=\’: value = left_value >= right_value elif self.op == \’=\’: value = left_value == right_value elif self.op == \’!=\’: value = left_value != right_value else: raise RuntimeError(\’unknown operator: \’ + self.op) return value class AndBexp(Bexp): ...。
在本系列的前三篇文章中，我们已经为IMP语言建立了词法分析器、解析器 和 抽象语法树AST。我们甚至写了自己的解析器组合库。在这最后一篇文章中，我们将会实现解释器的最后一个组件：求值器。 一起来了解一下通常一个程序是如何进行求值的。在任意给定的时间，有一些“控制点”，表明了程序下一步将要求值的语句。当下一个语句求值完毕，它通过推进“控制点”和改变变量值来修正程序状态。 为了给一个IMP程序求值，我们需要三样东西：
至少对IMP而言，控制点是最简单的。我们已经将中间表示都安排在一棵树状结构中了。只需要为高级语句调用求值函数，该函数将为其中的语句和表达式递归调用求值函数。我们基本上使用Python的控制点来作为我们自己的控制点。对于具有更复杂的控制结构像函数或异常之类的语言来说，这样做可能不那么简单，但对于IMP我们可以让它简单一些。 环境也很简单。IMP只有全局变量，所以我们可以用一个简单的Python字典塑造环境。不论什么时候，只要赋值发生了，我们就去更新字典里的变量值。 求值函数是我们唯一真正需要考虑的事情。每一种表达式都有一个求值函数，它将根据当前的环境返回一个值。算术表达式会返回一个整数，布尔表达式会返回真（true）与假（false）。表达式没有副作用，所以不会修改环境。每种声明语句也会有一个求值函数。声明语句的行为是修改环境，所以没有结果返回。 定义求值函数我们会把求值函数定义为AST类的方法。这样一来，每个函数都能直接访问到它所求值的结构。这里是算术表达式的函数集：
你会注意到，当程序员使用了一个尚未定义的变量（不在环境字典中）时，我们添加了一些额外的逻辑。为了尽量简单，避免再写一个错误处理系统，我们给所有未定义的变量赋值为0。 在 这里是布尔表达式的函数：
|