作者 | 劉欣

本文經授權轉載自碼農翻身（ID：coderising）

這是來自我的星球的一個提問：“C語言本身用什麼語言寫的？”

換個角度來問，其實是：C語言在運行之前，得編譯才行，那C語言的編譯器從哪裡來？ 用什麼語言來寫的？如果是用C語言本身來寫的，到底是先有蛋還是先有雞？

我們假設世界上不存在任何編譯器，先從機器語言說起，看看怎麼辦。

機器語言可以直接被CPU執行，不需要編譯器。

然後是彙編語言， 彙編語言雖然隻是機器語言的助記符，但是也需要編譯成機器語言才能執行，沒辦法隻能用機器語言來寫這第一個編譯器了（以後就不用了）。

彙編語言的問題解決了，就往前邁進了一大步，這時候就可以用彙編語言去寫C語言的編譯器，我們說這是C編譯器的老祖宗。

有了這個老祖宗，就可以編譯任意的C語言程序了，那是不是可以用C語言本身寫一個編譯器？隻要用老祖宗編譯一下就可以了。

OK，這麼一層層上來，終于得到了一個用C語言寫的編譯器， 真是夠麻煩的。

到這個時候，之前那個彙編寫的C語言編譯器就可以抛棄了。

當然，如果在C語言之前，已經出現了别的高級語言，例如Pascal，那就可以用Pascal來寫一個C語言的編譯器。

第一個Pascal的編譯器據說使用Fortran寫的。而做為第一個高級語言的Fortran，它的編譯器應該是彙編語言寫的。

關于編譯器，這裡邊有個有趣的傳說：

傳說Unix 發明人之一的 Ken Thompson在貝爾實驗室，大搖大擺的走到任何一台Unix機器前，輸入自己的用戶名和密碼，就能以root的方式登錄！

貝爾實驗室人才濟濟，另外一些大牛發誓要把這個漏洞找出來，他們通讀了Unix的C源碼，終于找到了登錄的後門，清理後門以後編譯Unix , 運行，可是Thompson 還是能夠登錄進去。

有人覺得可能是編譯器中有問題，在編譯Unix的時候植入了後門，于是他們又用C語言重新寫了一個編譯器，用新的編譯器再次編譯了Unix，這下總算天下太平了吧。

可是仍然不管用，Thompson 依然可以用root登錄，真是讓人崩潰 ！

後來Thompson 本人解開了秘密，是第一個C 語言編譯器有問題，這個編譯器在編譯Unix源碼的時候，當然會植入後門，這還不夠，更牛的是，如果你用C 語言寫了一個新編譯器，肯定也需要編譯成二進制代碼啊，用什麼來編譯，隻有用Thompson寫的那第一個編譯器來編譯，好了，你寫的這個編譯器就會被污染了，你的編譯器再去編譯Unix , 也會植入後門 :-)

說到這裡我就想起了幾年前的XcodeGhost 事件，簡單來說就是在Xcode（非官方渠道下載的）中植入了木馬，這樣XCode編譯出的iOS App都被污染了，這些App就可以被黑客利用做非法之事。

雖然這個XCodeGhost和Thompson的後面相比差得遠，但是提醒我們，下載軟件的時候要走正規渠道，從官方網站下載，認準網站的HTTPS标準，甚至可以驗證一下checksum。

可能有人問：我用彙編寫一段Hello World都很麻煩，居然有人可以用它寫複雜的編譯器？這可能嗎？

當然可能，在開發第一代Unix的時候，連C語言都沒有，Ken Thompson 和 Dennis Ritchie 可是用彙編一行行把Unix敲出來的。WPS第一版是求伯君用彙編寫出來的，Turbo Pascal 的編譯器也是Anders 用彙編寫出來的，大神們的能力不是普通人能想象得到的。

對于編譯器來說，還可以采用“滾雪球”的方式來開發：

還是以C語言為例，第一個版本可以先選擇C語言的一個子集，例如隻支持基本的數據類型，流程控制語句，函數調用...... 我們把這個子集稱為C0。

然後用彙編語言寫個編譯器，隻搞定這個語言的子集C0，這樣寫起來就容易不少。

C0這個語言可以工作了，然後我們擴展這個子集，例如添加struct，指針.....把新的語言稱為C1。

那C1這個語言的編譯器由誰來寫？自然是C0。

等到C1可以工作了，再次擴展語言特性，用C1寫編譯器，得到C2。

然後是C3、C4......最後得到完整的C語言。

這個過程被稱為bootstraping ， 中文叫做自舉。

作者簡介：劉欣，暢銷書《碼農翻身》作者，15年以上開發經驗，前 IBM 架構師，領導過多個企業應用架構設計和開發工作；洞察技術本質，擅長用故事去講解複雜技術。

【END】