Programming languages 有没有一种方法可以概括编程语言语法

我希望为代码分析开发独立于语言的工具。为了做到这一点，我需要找到一种方法来概括编程语言的语法。我考虑在源代码和分析器之间开发一个层，以便它能够独立于语言理解源代码。

---

我需要知道这个问题有没有专门的研究领域？有什么建议吗

这取决于你将要做的分析类型。如果你想用源语言的上下文来解释代码的“意图”，那么除非你限制自己的语言（例如java、C语言和C++，但即使是有限的），否则问题很可能是不可能的。如果您只对基本分析感兴趣，例如构建定义类型和方法/函数的模型，则可以获得更大的灵活性

---

如果您对分析低级行为感兴趣，那么最好的选择可能是分析编译器早期阶段的输出。例如，有许多有用的分析类型，例如数据流分析，可以在Java字节码上完成，而不管生成它的语言是什么。类似的分析可以在LLVM中间代码或GCC的中间语言上进行（事实上，这些编译器都在中间代码或汇编代码级别上进行了大量优化，因此无论编译的是哪种语言，都可以进行大量相同的优化）。

在我的研究小组中，人们一直在开发一个名为的软件分析平台。因此，他们开发了模型来抽象特定语言的语法。从特定语言到独立于语言的模型，有各种导入程序

---

在许多具有不同语法的面向对象编程语言中，存在一些常见的结构，例如继承等。但是，不可能有一个唯一的模型来捕获所有语言的所有结构的语义——该模型捕获许多语言共享的常见结构的语义

对于静态分析，您需要“通用”操作语义，这与语法完全无关。幸运的是，它确实存在，因为每一种实用的语言最终都被翻译成实际硬件的语义

因此，CPU的汇编器正是您的“广义语义”。CPU的操作语义是一个很好的研究课题，如果你深入研究，你会发现大量的论文

LLVM的低级别足以覆盖大部分语义，同时比实际硬件更紧凑，更易于分析，因此您可以考虑使用类似的中间表示。SSA形式可以显著简化分析

但是不要太激动——在如此低的级别上进行任何有用的全局分析都是异常困难的——通用内存模型将需要太多的资源，使得任何分析在当代硬件上都是不现实的

---

如果您已经准备好严格限制您对源语言的选择，那么您可以提高一个级别，使用更多可分析的语义。如果你想这样做，你可能会觉得很有趣。

既然没有伪代码的标准，问题是编程语言与强语言（函数式、面向对象等）不同，这使得创建一种能够表示所有扩展的Backus-Naur形式的伪语言几乎是不可能的。语法的泛化很容易，这叫做语法识别/生成。概括语言语义非常困难（可能不可能）。如果没有语义，语法就没有意义。