2.2 符号表设计与作用域管理

2.2 符号表设计与作用域管理

本节摘要：符号表（Symbol Table）是编译器记录"名字 → 含义"映射的核心数据结构，作用域管理则回答"同一个名字在不同位置各指哪个声明"。本节给出符号表的经典实现——哈希表加上作用域栈，讲清进入/退出作用域时的压栈弹栈协议、名字解析的查找规则，以及标签、成员、宏这类"不规则名字"为什么要另立门户。这是语义分析一章的工程核心：类型检查的每一次询问都落在符号表的一次查询上。

上一节的类型检查器频繁发出"这个标识符是什么类型"的询问，本节专门回答这类询问怎么被高效、正确地满足。位置关系上，本节先于类型检查被执行使用：符号表通常在两遍里发挥作用——第一遍收集声明（把所有名字填进表），第二遍解析引用（每个使用点查表找绑定）。

一、作用域栈：核心机制

嵌套作用域的规则人尽皆知：内层声明遮蔽外层同名声明，退出作用域后遮蔽失效。把它翻译成数据结构，只需要一个栈，栈里每个元素是一个作用域的哈希表：

#define SCOPE_MAX 64

typedef struct Scope {
    HashTable *names;          // 本作用域的名字 → 符号
    struct Scope *parent;      // 外层作用域
} Scope;

static Scope *current;         // 作用域栈顶

void enter_scope(void) {
    Scope *s = calloc(1, sizeof(Scope));
    s->parent = current;
    current = s;               // 压栈：进入一个块
}

void exit_scope(void) {
    current = current->parent; // 弹栈：块的结束括号
}

Symbol *lookup(const char *name) {
    for (Scope *s = current; s; s = s->parent)
        if (Sym *sym = ht_get(s->names, name))
            return sym;        // 由内向外，第一命中即所求
    return NULL;               // 报"未声明的标识符"
}

void declare(const char *name, Symbol *sym) {
    if (ht_get(current->names, name))
        diag_error(sym->pos, "同一作用域重复声明 %s", name);
    ht_put(current->names, name, sym);
}
​

四个要点。查找只沿 parent 链向外，永远不会向内——这是"先声明后使用 + 内层遮蔽外层"两条规则的直接编码。重复声明检查只看本层哈希表，外层有同名是合法的遮蔽而不是错误。弹栈即注销：退出作用域后名字自动失效，不需要显式删除。查表路径的长度就是作用域嵌套深度，真实程序很少超过十层，性能无忧。

图：嵌套作用域的解析过程

二、一遍收集，两遍各司其职

C 语言有个著名的设计（或者说历史包袱）：函数内使用一个晚些声明的局部变量是非法的，但全局函数可以调用文件中在其后定义的函数。前者单遍扫描就能完成检查，后者必须先把整个文件的顶层声明收集进符号表。工程上统一采用两遍法：

第一遍（收集）：遍历语法树，遇到声明就把名字填进当前作用域，不处理任何使用点。函数体内部的声明推迟到遍历该函数体时才入表。

第二遍（解析）：再次遍历，遇到每个标识符的使用就执行 lookup，把找到的符号直接挂到语法树节点上（或替换成一个指向符号的指针）。

两遍之后，"名字"这个概念在编译器里的使命基本结束：IR 生成阶段拿到的是已经解引用的符号（含类型、存储类别、相对地址），不再需要按名字查表。这就是符号表信息可以被"固化"的含义——第3章的三地址码里你看不到任何查找动作，所有绑定都是现成结论。

💡 压栈弹栈还有个对偶用途：错误恢复。类型检查在函数体报错后，直接把作用域弹回到函数入口重新开始，可以把错误隔离在单个函数内，不让一个坏函数污染整个文件的检查。

三、不规则名字：另立门户的三张表

如果把所有名字都塞进同一个作用域栈，会立刻遇到规则冲突。以 C 为例：

成熟的编译器实现里，这些名字系统各自是一张独立的表，查找规则互不相同。强行合并的代价是：每次查找都要带上"我在找哪种名字"的标记，每条声明规则都要写特例——表结构本身失去不变量。这个经验值得推广：数据结构的设计服从作用域规则，而不是反过来。

本节要点回顾：

• 符号表 = 作用域栈 + 每层哈希表，压栈弹栈对应块的进出；
• 名字解析由内向外、第一命中即所求，重复声明只在本层检查；
• 两遍法：先全量收集声明，再解析使用点，解析结果固化到树节点；
• 不规则名字另立门户：成员、标号、宏各有各的作用域规则，别硬塞进主表；
• 符号表的终点是消失：绑定信息固化进 IR 后，名字查找便退出了编译舞台。

第3章正式进入本册核心：语法树在这趟旅程的终点，是被拍平成三地址码，再升华为 SSA——程序的"结构化表示"让位给"可优化的表示"。

变式演练：一个三层嵌套的手算

把解析规则跑一遍纸上练习。给定：

int x = 1;
void f() {
  float x = 2.0;
  { char x = 'A'; use(x); }   // 第三层
  use(x);
}
​

作用域栈的演化：进入文件层压入全局表（x: int）；进入 f 压入函数层（x: float）——遮蔽全局；进入内层块再压一层（x: char）。use(x) 在第三层解析：由内向外第一命中是 char 版。内层块结束弹栈，第二个 use(x) 由外向内第一命中 float 版。注意两次 use 虽然长得一样，解析结果挂接的符号却不同——这正是"绑定信息固化到节点"的含义：解析完成后，每个 use 节点各带各的符号指针，此后编译器再也不问"这是哪个 x"。

延伸一个工程视角：为什么查找要"第一命中即停"而不是"报同名歧义错"？因为遮蔽正是程序员表达"我要另一个 x"的手段；把它当错误会废掉一层语言特性。但同层重复声明必须报错——遮蔽规则只在层与层之间生效，这是边界要拿捏准的地方。