当今几乎所有的实用的编译器/解释器（以下合称编译器）都是用C语言编撰的，有一些语言例如Clojure,Jython等是基于JVM或则说是用Java实现的，IronPython等是基于.NET实现的，但是Java和C#等本身也要借助C/C++来实现c语言在线编译器手机，等于是间接调用了C。所以评判某种高级语言的可移植性虽然就是在讨论ANSI/ISO C的移植性。
C语言是很低级的语言，很多方面都近似于汇编语言，在《Intel 32位汇编语言程序设计》一书中，甚至介绍了手工把简单的C语言翻译成汇编的技巧。对于编译器这些系统软件，用C语言来编撰是很自然不过的，即使是像Python这样的高级语言依然在底层依赖于C语言（举Python的事例是因为Intel的黑客正在尝试让Python不需要操作系统能够运行——实际上是免去了BIOS上的一次性C代码）。现在的中学生，学过编译原理后，只要有点编程能力的都可以实现一个功能简单的类C语言编译器。
可是问题来了，不知道你有没有想过，大家都用C语言或基于C语言的语言来写编译器，那么世界上第一个C语言编译器又是如何编撰的呢？这不是一个“鸡和蛋”的问题……
还是让我们回顾一下C语言历史：1970年Tomphson和Ritchie在BCPL（一种解释型语言）的基础上开发了B语言，1973年又在B语言的基础上成功开发出了现今的C语言。在C语言被用作系统编程语言之前，Tomphson也用过B语言编撰过操作系统。可见在C语言实现先前，B语言早已可以投入实用了。因此第一个C语言编译器的原型完全可能是用B语言或则混和B语言与PDP汇编语言编撰的。我们如今都晓得，B语言的执行效率比较低，但是假如全部用汇编语言来编撰，不仅开发周期长、维护难度大，更可怕的是丧失了中级程序设计语言必需的移植性。所以初期的C语言编译器就采取了一个取巧的办法：先用汇编语言编撰一个C语言的一个子集的编译器，再通过这个子集去递推完成完整的C语言编译器。详细的过程如下：
先创造一个只有C语言最基本功能的子集，记作C0语言，C0语言早已足够简单了，可以直接用汇编语言编撰出C0的编译器。依靠C0已有的功能，设计比C0复杂，但始终不完整的C语言的又一个子集C1语言，其中C0属于C1，C1属于C，用C0开发出C1语言的编译器。在C1的基础上设计C语言的又一个子集C2语言，C2语言比C1复杂，但是依然不是完整的C语言，开发出C2语言的编译器……如此直至CN，CN早已足够强悍了，这时候就足够开发出完整的C语言编译器的实现了。至于这儿的N是多少，这取决于你的目标语言（这里是C语言）的复杂程度和程序员的编程能力——简单地说，如果到了某个子集阶段，可以很方便地借助现有功能实现C语言时，那么你就找到N了。下面的图说明了这个具象过程：
C语言
CN语言
……
C0语言
汇编语言
机器语言
那么这些大胆的子集简化的方式，是如何实现的，又有哪些理论根据呢？先介绍一个概念，“自编译”Self-Compile，也就是对于个别具有显著自举性质的强类型（所谓强类型就是程序中的每位变量必须申明类型后就能使用，比如C语言，相反有些脚本语言则根本没有类型这一说法）编程语言，可以利用它们的一个有限小子集，通过有限次数的递推来实现对它们自身的叙述，这样的语言有C、Pascal、Ada等等，至于为何可以自编译，可以参见清华大学出版社的《编译原理》，书中实现了一个Pascal的子集的编译器。总之，已经有计算机科学家证明了，C语言理论上是可以通过前面说的CVM的方式实现完整的编译器的，那么实际上是怎么做到简化的呢？这张图是不是有点熟悉？对了就是在讲虚拟机的时侯看到过，不过这儿是CVM（C Language Virtual Machine），每种语言都是在每位虚拟层上可以独立实现编译的，并且不仅C语言外，每一层的输出都将作为下一层的输入（最后一层的输出就是应用程序了），这和滚雪球是一个道理。用手（汇编语言）把一小把雪结合在一起，一点点地滚下去就产生了一个大雪球，这大约就是所谓的0生1，1生C，C生万物吧？
下面是C99的关键字：
auto enum restrict unsigned break extern return void case float short volatile char for signed while const goto sizeof _Bool continue if static _Complex default inline struct _Imaginary do int switch double long typedef else register union//共37个
仔细瞧瞧，其实其中有很多关键字是为了帮助编译器进行优化的，还有一些是拿来限定变量、函数的作用域、链接性或则生存周期（函数没有）的，这些在编译器实现的初期根本毋须加上，于是可以去除auto, restrict, extern, volatile, const, sizeof, static, inline, register, typedef，这样就产生了C的子集，C3语言，C3语言的关键字如下：
enum unsigned break return void case float short char for signed while goto _Bool continue if _Complex default struct _Imaginary do int switch double long else union//共27个
再想一想，发现C3中虽然有很多类型和类型修饰符是没有必要一次性都加起来的，比如三种整型，只要实现int就行了，因此进一步去除那些关键词，它们是：unsigned, float, short, char(char 是 int), signed, _Bool, _Complex, _Imaginary, long，这样就产生了我们的C2语言，C2语言关键字如下：
enum break return void case for while goto continue if default struct do int switch double else union//共18个
继续思索，即使是只有18个关键字的C2语言，依然有很多中级的地方，比如基于基本数据类型的复合数据结构，另外我们的关键字表中是没有写运算符的，在C语言中的复合赋值运算符->、运算符的++、– 等过分灵活的抒发方法此时也可以完全删掉掉，因此可以去除的关键字有：enum, struct, union，这样我们可以得到C1语言的关键字：
break return void case for while goto continue if default do int switch double else//共15个
接近完美了，不过最后一步手笔自然要大一点。这个时侯字段和表针也要除去了，另外C1语言虽然一直有很大的冗杂度，比如控制循环和分支的都有多种叙述方式，其实都可简化成一种，具体的来说，循环句子有while循环，do…while循环和for循环，只须要保留while循环就够了；分支句子又有if…{}, if…{}…else, if…{}…else if…, switch，这四种方式，它们都可以通过两个以上的if…{}来实现，因此只须要保留if,…{}就够了。可是再一想，所谓的分支和循环不过是条件跳转句子罢了，函数调用句子也不过是一个压栈和跳转句子罢了，因此只须要goto（未限制的goto）。因此大胆去除所有结构化关键字，连函数也没有，得到的C0语言关键字如下：
break void goto int double //共5个
这早已是简洁的极至了。
只有5个关键字，已经完全可以用汇编语言快速的实现了。通过逆向分析我们还原了第一个C语言编译器的编撰过程，也感受到了大神科学家们的智慧和勤奋！我们都不过是巨人脖子上的尘土罢了！0生1，1生Cc语言在线编译器手机，C生万物，实在巧妙！
嵌入式Linux英文站
最专业的英文嵌入式Linux网站，8年磨剑，注册用户数千人！
分享嵌入式 & Linux技术干货、教程、资讯、高薪职位
订阅点击标题下方“嵌入式Linux英文站”
