Phases of translation

C++源文件通过编译器处理以生成C++程序。

翻译过程

C++程序的文本保存在称为 源文件 的单元中。

C++源文件经过 翻译 成为 翻译单元 ，包含以下步骤：

1. 将每个源文件映射为字符序列。
2. 将每个字符序列转换为由空白符分隔的预处理记号序列。
3. 将每个预处理记号转换为记号，形成记号序列。
4. 将每个记号序列转换为翻译单元。

C++程序可由经过翻译的翻译单元组成。翻译单元和实例化单元（实例化单元将在下文第8阶段描述）可单独保存或存入库中。多个翻译单元通过（例如）具有外部链接的符号或数据文件进行相互通信。翻译单元可被单独翻译，随后链接以生成可执行程序。

上述过程可以组织为 9 个 翻译阶段 。

预处理记号

一个 预处理记号 （preprocessing token）是在翻译阶段 3 到 6 中语言的最小词法元素。

预处理令牌的类别包括：

• 头文件名 （例如 < iostream > 或 "myfile.h" ）

• 标识符
• 预处理数字（见下文）
• 字符字面量 ，包括 用户定义 字符字面量 (C++11 起)
• 字符串字面量 ，包括 用户定义 字符串字面量 (C++11 起)
• 运算符和标点符 ，包括 替代记号
• 不属于任何其他类别的单个非空白字符

如果匹配此分类的字符是以下情况，则程序是非良构的：

• 撇号（ ' , U+0027），
• 引号（ " , U+0022），或
• 不在 基本字符集 中的字符。

预处理数字

预处理数字的预处理记号集合是 整数字面量 和 浮点数字面量 记号集合的并集的超集：

每个 pp-continue 是以下之一：

预处理数字本身没有类型或值；它只有在成功转换为整型/浮点数字面量标记后才同时获得这两者。

空白符

空白 由 注释 、空白字符或两者共同组成。

以下字符为空白字符：

• 字符制表符 (U+0009)
• 换行符 (U+000A)
• 行制表符 (U+000B)
• 换页符 (U+000C)
• 空格符 (U+0020)

空白符通常用于分隔预处理标记，但存在以下例外情况：

• 在头文件名、字符字面量和字符串字面量中， \ 不是分隔符。
• 由包含换行符的空白分隔的预处理标记无法构成 预处理指令 。

#include "my header"        // 正确：使用包含空格的头部文件名
#include/*hello*/<iostream> // 正确：使用注释作为空白符
#include
<iostream> // 错误：#include 指令不能跨越多行
"str ing"  // 正确：单个预处理记号（字符串字面量）
' '        // 正确：单个预处理记号（字符字面量）

最大吞噬

最大咬合原则是在阶段3将源文件分解为预处理记号时使用的规则。

如果输入已被解析为预处理记号直至某个给定字符（否则下一个预处理记号不会被解析，这使得解析顺序具有唯一性），通常会将下一个预处理记号视为能构成预处理记号的最长字符序列，即使这会导致后续分析失败。这通常被称为 最大吞噬原则 。

int foo = 1;
int bar = 0xE+foo;   // 错误：无效的预处理数字 0xE+foo
int baz = 0xE + foo; // 正确

换句话说，最大吞噬规则优先支持 多字符运算符和标点符 ：

int foo = 1;
int bar = 2;
int num1 = foo+++++bar; // 错误：被解析为“foo++ ++ +baz”，而非“foo++ + ++baz”
int num2 = -----foo;    // 错误：被解析为“-- -- -foo”，而非“- -- --foo”

最大贪心规则存在以下例外情况：

• 头文件名预处理记号仅在以下情况中形成：

• 在 #include 指令中的 include 预处理令牌之后

std::vector<int> x; // 正确，“int”不是头文件名

• 如果接下来的三个字符是 < :: 且后续字符既不是 : 也不是 > ，则 < 将作为独立的预处理词元处理，而非作为 替代词法符 < : 的首字符。

struct Foo { static const int v = 1; };
std::vector<::Foo> x;  // 正确，<: 不会被当作 [ 的替代记号
extern int y<::>;      // 正确，等同于 "extern int y[];"
int z<:::Foo::value:>; // 正确，等同于 "int z[::Foo::value];"

template<int i> class X { /* ... */ };
template<class T> class Y { /* ... */ };
Y<X<1>> x3;      // 正确：声明类型为 “Y<X<1> >” 的变量 “x3”
Y<X<6>>1>> x4;   // 语法错误
Y<X<(6>>1)>> x5; // 正确

#define R "x"
const char* s = R"y";         // 非法的原始字符串字面量，不是 "x" "y"
const char* s2 = R"(a)" "b)"; // 原始字符串字面量后接普通字符串字面量

词法单元

一个 token 是在翻译阶段7中该语言的最小词法单元。

令牌的类别包括：

• 标识符
• 关键字
• 字面量
• 运算符与标点符 （预处理运算符除外）

翻译阶段

翻译过程 如同 按照从阶段1到阶段9的顺序执行。实现的行为如同这些独立阶段依次发生，尽管在实践中不同阶段可以被合并处理。

阶段 1：映射源字符

阶段 2：行拼接

阶段 3：词法分析

// The following #include directive can de decomposed into 5 preprocessing tokens:
//     punctuators (#, < and >)
//          │
// ┌────────┼────────┐
// │        │        │
   #include <iostream>
//     │        │
//     │        └── header name (iostream)
//     │
//     └─────────── identifier (include)

// Error: partial string literal
"abc

// Error: partial comment
/* comment

阶段 4：预处理

阶段5：确定通用字符串字面量编码

阶段 6：字符串字面量连接

相邻的 字符串字面量 会被连接起来。

阶段 7：编译

编译过程发生：每个预处理记号被转换为一个 记号 。这些记号经过语法和语义分析后，作为 翻译单元 进行翻译。

阶段 8：实例化模板

每个翻译单元都会被检查以生成所需的模板实例化列表，包括由 显式实例化 所请求的实例化。模板的定义被定位，然后执行所需的实例化操作以生成 实例化单元 。

阶段 9：链接

翻译单元、实例化单元以及满足外部引用所需的库组件被收集到程序映像中，该映像包含在其执行环境中执行所需的信息。

注释

源文件、翻译单元和已翻译的翻译单元不必以文件形式存储，这些实体与任何外部表示之间也不一定存在一一对应关系。该描述仅为概念性说明，并未规定任何具体实现方式。

某些编译器不实现实例化单元（也称为 模板存储库 或 模板注册表 ），而是在第7阶段直接编译每个模板实例化，将代码存储在隐式或显式请求它的目标文件中，随后链接器在第9阶段将这些已编译的实例化合并为一个。

缺陷报告

下列行为变更缺陷报告被追溯应用于先前发布的 C++ 标准。

参考文献

参见