編譯器是什麼？程式變成機器碼的過程

生活中的例子

在電腦上安裝App時，下載的檔案內容，多半是已經翻譯成機器碼的程式。同一款遊戲，電腦版和手機版發布的檔案有時是分開的。寫程式的人在聊天時，常會說「建置成功了」「出現編譯錯誤」。

在這些情境背後運作的，就是編譯器。本文以一行程式為例，依序追蹤編譯器的工作。

為什麼需要「翻譯」

CPU能直接執行的，只有用0和1排列寫成的指令。這種形式的程式稱為「機器碼」。一個指令是「讀入數字」「相加」「比較」這類非常小的工作。詳細說明請見「CPU是什麼？」。

機器碼對人來說很難讀，寫起來也很辛苦。所以人會用接近英文單字或數學式的寫法來寫程式。這種寫法的規則稱為「程式語言」，例如C、Java、JavaScript、Python等。

人寫的程式文字稱為「原始碼」。原始碼只是一串文字，對CPU來說沒有意義。因此，需要一個把它轉成機器碼的翻譯角色。

在執行之前，把整個程式一次轉成機器碼的軟體，稱為「編譯器」。機器碼指令的種類和表示方式，每種CPU都不一樣。因此，編譯器會先決定要轉成哪種CPU用的機器碼，再進行翻譯。電腦版和手機版發布的檔案不同，原因之一就在這裡。

一行程式變成機器碼的過程

舉例來說，我們用下面這一行，把時間 h 換算成秒數 s。「*」是乘法，「;」是表示一句結束的符號。

s = 60 * 60 * h;

這裡為了簡化說明，以接近C語言的語言編譯器為例，把過程分成7個階段。實際的編譯器，階段的分法和名稱會有些不同。

① 切分成詞（詞法分析）

從編譯器的角度看，原始碼一開始只是一串字元。所以首先要把它切成一個個有意義的單位。例如「60」是一個數字，「*」是一個符號。這個階段稱為詞法分析。範例這一行去掉空白後，會切成8個詞。

② 檢查文法，整理成樹狀（語法分析）

接著，要檢查詞的排列是否符合語言的文法。例如像「60 * * h」這樣符號連在一起，就會回報文法錯誤。這個階段稱為語法分析。

如果符合文法，就把計算的組成整理成樹狀。乘法的規則是從左往右算，所以先算「60 × 60」，再把結果「× h」。最上面的「=」，意思是「把右邊計算的結果存進 s」。這棵樹稱為語法樹，正式名稱是「抽象語法樹」（AST）。

③ 檢查意義

即使文法正確，意思也可能說不通。例如，如果哪裡都沒有準備名為 h 的值的容器（變數），就無法計算。編譯器會檢查用到的名稱是否都已經準備好。

值是數字還是文字，這種值的種類稱為「型別」。編譯器也會檢查有沒有型別不合的計算，例如把數字和「abc」這種文字串相乘。

④ 改成步驟更少的形式（最佳化）

編譯器會在不改變結果的範圍內修改程式，讓它跑得更快，或變得更小。這稱為「最佳化」。

範例中的「60 × 60」，在執行前就知道答案是3600。所以編譯器把樹的這個部分替換成3600。這種最佳化稱為常數摺疊。

⑤ 轉成CPU的指令序列（程式碼產生）

接著把最佳化後的結果，轉成CPU的指令序列。範例這一行，會變成類似「讀入 h 的值」「乘以3600」「把結果寫入 s 的位置」的指令。實際指令的數量和形式，依CPU種類而不同。

這個階段的輸出，常常是用英文單字縮寫成的簡短符號，來寫機器碼的指令。這種寫法稱為「組合語言」。

⑥ 轉成0和1（組譯器）

把組合語言的指令，替換成CPU能讀的0和1序列的軟體，就是組譯器。平常只要下一個編譯器的指令，就會自動接著進行⑥和⑦。

⑦ 連結各部分（連結器）

大型程式會分成很多檔案來寫。另外，像在畫面上顯示文字這類常用的處理，會使用事先準備好的零件集。這種零件集稱為「函式庫」。

把翻譯好的各部分接起來，整合成一個可執行檔的軟體，就是連結器。它會一一填上「這個處理位在那個部分的這個位置」的對應關係。函式庫可以直接放進執行檔，也可以在執行時才載入。兩者的差異，整理在「靜態連結與動態連結的差異」的表格裡。

執行是作業系統的工作

完成的執行檔，是存放在儲存裝置裡的檔案。在電腦和手機上，程式要先放進記憶體才能執行。點一下圖示，作業系統就會把檔案內容讀進記憶體。它也會準備好執行時要用的函式庫，再讓CPU從第一個指令開始執行。負責這種讀入與準備的作業系統功能，稱為載入器。作業系統的工作，請見「作業系統（OS）是什麼？」。

最佳化為什麼重要

如果只執行一次，少一個乘法也感覺不出差別。但很多程式裡，都有把同一段重複執行數百萬次的地方。如果範例這一行重複執行1億次，光是常數摺疊，就能少掉1億次乘法。

編譯器還會做許多其他的最佳化。刪掉結果沒有用到的計算。把迴圈裡每次都相同的計算，移到迴圈外面。把這類技巧疊加幾十種，讓整體變快。

另一方面，最佳化會讓翻譯花更多時間，也讓「一行一行停下來檢查程式」的工作變得比較困難。因此，C語言等廣泛使用的編譯器GCC，在沒有指定時幾乎不做最佳化。製作正式版時，一般會用「-O2」這類選項開啟最佳化。

編譯器、直譯器、JIT的差異

也有不把原始碼轉成機器碼檔案，就能讓它運作的方法。一邊讀程式、一邊當場逐一執行的軟體，稱為「直譯器」。優點是不必等翻譯，寫好就能馬上試。代價是同一段即使執行很多次，每次都要重新解讀，所以容易比較慢。

結合兩者優點的方式，就是JIT編譯。JIT是「Just In Time」（在需要的那一刻）的縮寫，所以也稱為即時編譯。常見的做法是，一開始像直譯器一樣邊讀邊執行，同時找出經常執行的部分。然後只把這些部分，在執行中轉成機器碼。

要注意的是，「編譯型」「直譯型」不是語言的性質，而是執行它的軟體的性質。實際上，許多語言都組合運用了這些方式。

• Java：開發者會事先把原始碼編譯成稱為「位元組碼」的形式再發布。位元組碼不是特定CPU的機器碼，而是給Java專用的虛擬機器的指令。執行時，Java的執行軟體會解讀並執行它，並用JIT把常用的部分轉成機器碼。
• JavaScript：Chrome等使用的V8這套軟體，會先把原始碼轉成位元組碼，再用直譯器執行。經常執行的部分，則由進行最佳化的編譯器轉成機器碼。
• Python：標準的CPython這套軟體，也會先把原始碼編譯成位元組碼，再用直譯器執行。2024年的Python 3.13加入了實驗性的JIT，但預設是停用的。

三種方式的比較，整理在「編譯器、直譯器、JIT 的差異」的表格裡。

編譯器找得到的錯誤，找不到的錯誤

編譯器會在執行前找出很多錯誤，例如文法錯誤、使用沒有準備的名稱、型別不合的計算等。有些編譯器，也會對不算錯誤但可疑的寫法發出提醒（警告）。

另一方面，有些錯誤不實際執行就不會知道。例如，用輸入的數字做除法的程式，輸入0就無法計算。要讀的檔案不存在之類的問題，也要到執行時才會發現。這種在執行中發生的錯誤，稱為「執行時錯誤」。

更麻煩的是，程式能跑完不會停，但結果和作者的意圖不同的錯誤。本來想寫「加」卻寫成「減」，編譯器也只會照文法翻譯。這種錯誤，只能靠實際執行並確認結果的「測試」來找出。

哪些錯誤能事先找到，也因語言而不同。例如在Python中，許多型別不合的計算，要到執行那一行時才會出錯。

編譯器的歷史

直到1950年代初期，程式都是由人用機器碼，或接近機器碼的形式來寫。1951～1952年，葛麗絲·霍普（Grace Hopper）為UNIVAC I這台計算機，開發了名為「A-0」的系統。只要用編號指定事先準備好的計算零件，它就會把這些零件接起來，做成機器碼的程式。

A-0在當時就被稱為「編譯器」。不過，它的功能和今天所說的編譯器不同。電機電子領域的學會IEEE，把A-0選為技術史上的里程碑，並在2024年設置了紀念銘牌。其中的說明，也把A-0描述為「作為連結器與載入器運作的一組規格」。

一般認為，為今日編譯器的分工方式與技術奠定基礎的，是IBM的約翰·巴科斯（John Backus）等人開發的FORTRAN。它把接近數學式寫法的原始碼，翻譯成IBM 704這台計算機的機器碼。這項計畫始於1954年夏天，並在1957年4月發送到所有使用704的地方。

如果編譯器產生的機器碼，比人手寫的慢很多，就不會有人用。因此，FORTRAN團隊以接近手寫的速度為目標，在最佳化上投入心力。1982年寫成的回顧論文，評價這個目標達成的程度令人驚訝。

硬體也有類似「編譯器」的東西

在半導體晶片的電路設計中，也用到類似的想法。現在的大型電路，一般不是畫圖，而是用類似文章的形式來寫。用來寫電路的語言稱為硬體描述語言，例如Verilog和VHDL。

把寫好的電路行為，自動轉換成「且」「或」這類基本邏輯電路組合的工作，稱為邏輯合成。讀入、檢查、最佳化、輸出的流程，和編譯器很像。

最大的差別是，輸出的不是「依序執行的指令序列」，而是「同時運作的電路連接」。做好的電路，可以寫進事後能改寫的晶片，也可以做成專用晶片來製造。前者在「FPGA是什麼？」中說明。

常見的誤解

從數字來看

從FORTRAN算起已將近70年，翻譯分成各階段的想法，到今天仍沒有太大改變。增加的是最佳化的種類，以及像JIT這樣在執行中翻譯的方式。

進一步學習

• 用表格看差異：編譯器、直譯器、JIT 的差異、靜態連結與動態連結的差異
• 動手試試看：逆波蘭表示法轉換工具（顯示算式的語法樹與計算順序）
• 下一步的用語：中間表示法、行內展開、LLVM、目的檔、動態連結
• 從基礎讀起：「CPU是什麼？」、「作業系統（OS）是什麼？」、「電腦怎麼用0和1計算？」