让我们创建一个微小的编程语言

到目前为止，您可能已经熟悉了一种或多种编程语言。但是您是否曾经想过如何创建自己的编程语言？我的意思是

编程语言是任何将字符串转换为各种机器代码输出的规则集。

简而言之，编程语言只是一组预定义的规则。为了使其有用，您需要一些能够理解这些规则的东西。这些东西就是编译器、解释器等。因此，我们可以简单地定义一些规则，然后，为了使其工作，我们可以使用任何现有的编程语言来编写一个可以理解这些规则的程序，这将是我们的解释器。

编译器

编译器将代码转换为处理器可以执行的机器代码（例如 C++ 编译器）。

解释器

解释器逐行遍历程序并执行每个命令。

想试一试吗？让我们一起创建一个超级简单的编程语言，它在控制台中输出品红色输出。我们将其称为Magenta。

设置我们的编程语言

我将使用 Node.js，但您可以使用任何语言来学习，概念将保持不变。让我首先创建一个index.js文件并进行设置。

class Magenta {
  constructor(codes) {
    this.codes = codes
  }
  run() {
    console.log(this.codes)
  }
}

// For now, we are storing codes in a string variable called `codes`
// Later, we will read codes from a file
const codes = 
`print "hello world"
print "hello again"`
const magenta = new Magenta(codes)
magenta.run()

我们在这里做的是声明一个名为Magenta的类。该类定义并初始化一个对象，该对象负责使用我们通过codes变量提供的任何文本将文本记录到控制台。并且，目前，我们在文件中直接定义了该codes变量，其中包含几个“hello”消息。

好的，现在我们需要创建一个称为词法分析器的东西。

什么是词法分析器？

好的，让我们先谈谈英语。以以下短语为例

你好吗？

这里，“How”是副词，“are”是动词，“you”是代词。我们最后还有一个问号（“？”）。我们可以像这样将任何句子或短语划分为许多语法成分在 JavaScript 中。另一种区分这些部分的方法是将它们分成小的标记。将文本划分为标记的程序是我们的词法分析器。

由于我们的语言非常小，它只有两种类型的标记，每种都有一个值

1. 关键字
2. 字符串

我们可以使用正则表达式从codes字符串中提取标记，但性能会非常慢。更好的方法是循环遍历code字符串的每个字符并获取标记。因此，让我们在我们的Magenta类中创建一个tokenize方法——这将是我们的词法分析器。

class Magenta {
  constructor(codes) {
    this.codes = codes
  }
  tokenize() {
    const length = this.codes.length
    // pos keeps track of current position/index
    let pos = 0
    let tokens = []
    const BUILT_IN_KEYWORDS = ["print"]
    // allowed characters for variable/keyword
    const varChars = 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ_'
    while (pos < length) {
      let currentChar = this.codes[pos]
      // if current char is space or newline,  continue
      if (currentChar === " " || currentChar === "\n") {
        pos++
        continue
      } else if (currentChar === '"') {
        // if current char is " then we have a string
        let res = ""
        pos++
        // while next char is not " or \n and we are not at the end of the code
        while (this.codes[pos] !== '"' && this.codes[pos] !== '\n' && pos < length) {
          // adding the char to the string
          res += this.codes[pos]
          pos++
        }
        // if the loop ended because of the end of the code and we didn't find the closing "
        if (this.codes[pos] !== '"') {
          return {
            error: `Unterminated string`
          }
        }
        pos++
        // adding the string to the tokens
        tokens.push({
          type: "string",
          value: res
        })
      } else if (varChars.includes(currentChar)) {
        let res = currentChar
        pos++
        // while the next char is a valid variable/keyword charater
        while (varChars.includes(this.codes[pos]) && pos < length) {
          // adding the char to the string
          res += this.codes[pos]
          pos++
        }
        // if the keyword is not a built in keyword
        if (!BUILT_IN_KEYWORDS.includes(res)) {
          return {
            error: `Unexpected token ${res}`
          }
        }
        // adding the keyword to the tokens
        tokens.push({
          type: "keyword",
          value: res
        })
      } else { // we have a invalid character in our code
        return {
          error: `Unexpected character ${this.codes[pos]}`
        }
      }
    }
    // returning the tokens
    return {
      error: false,
      tokens
    }
  }
  run() {
    const {
      tokens,
      error
    } = this.tokenize()
    if (error) {
      console.log(error)
      return
    }
    console.log(tokens)
  }
}

如果我们在终端中使用node index.js运行它，我们应该会看到控制台中打印出一系列标记。

定义规则和语法

我们想看看我们的代码的顺序是否与某种规则或语法匹配。但首先我们需要定义这些规则和语法是什么。由于我们的语言非常小，它只有一个简单的语法，即print关键字后跟一个字符串。

keyword:print string

所以让我们创建一个parse方法，它循环遍历我们的标记并查看我们是否形成了有效的语法。如果是，它将采取必要的措施。

class Magenta {
  constructor(codes) {
    this.codes = codes
  }
  tokenize(){
    /* previous codes for tokenizer */
  }
  parse(tokens){
    const len = tokens.length
    let pos = 0
    while(pos < len) {
      const token = tokens[pos]
      // if token is a print keyword
      if(token.type === "keyword" && token.value === "print") {
        // if the next token doesn't exist
        if(!tokens[pos + 1]) {
          return console.log("Unexpected end of line, expected string")
        }
        // check if the next token is a string
        let isString = tokens[pos + 1].type === "string"
        // if the next token is not a string
        if(!isString) {
          return console.log(`Unexpected token ${tokens[pos + 1].type}, expected string`)
        }
        // if we reach this point, we have valid syntax
        // so we can print the string
        console.log('\x1b[35m%s\x1b[0m', tokens[pos + 1].value)
        // we add 2 because we also check the token after print keyword
        pos += 2
      } else{ // if we didn't match any rules
        return console.log(`Unexpected token ${token.type}`)
      }
    }
  }
  run(){
    const {tokens, error} = this.tokenize()
    if(error){
      console.log(error)
      return
    }
    this.parse(tokens)
  }
}

你看，我们已经拥有了一门可以工作的语言了！

好的，但是将代码放在字符串变量中并不那么有趣。所以让我们将我们的Magenta代码放在一个名为code.m的文件中。这样，我们可以将我们的品红色代码与编译器逻辑分开。我们使用.m作为文件扩展名来指示此文件包含我们语言的代码。

让我们从该文件中读取代码

// importing file system module
const fs = require('fs')
//importing path module for convenient path joining
const path = require('path')
class Magenta{
  constructor(codes){
    this.codes = codes
  }
  tokenize(){
    /* previous codes for tokenizer */
 }
  parse(tokens){
    /* previous codes for parse method */
 }
  run(){
    /* previous codes for run method */
  }
}

// Reading code.m file
// Some text editors use \r\n for new line instead of \n, so we are removing \r
const codes = fs.readFileSync(path.join(__dirname, 'code.m'), 'utf8').toString().replace(/\r/g, "")
const magenta = new Magenta(codes)
magenta.run()

去创建一个编程语言！

就这样，我们成功地从头开始创建了一个微小的编程语言。看，编程语言可以像完成一项特定任务一样简单。当然，像这里的 Magenta 这样的语言不太可能有用到足以成为流行框架的一部分或其他什么，但现在您了解了创建它需要哪些步骤。

天空才是极限。如果您想更深入地了解，请尝试观看我制作的这段视频，其中介绍了一个更高级的示例。这段视频还展示了如何向您的语言添加变量。