理解ECMAScript规范（3）

翻译本文的目的是尝试给出 ECMAScript 规范中核心术语的译法，供同好品评。

这一次我们深入 ECMAScript 语言及其语法的定义。如果你不太熟悉上下文无关文法[1]，应该先补补课，至少先弄懂一些基本概念。因为规范中使用了上下文无关文法定义语言。

ECMAScript 文法

ECMAScript 规范定义了 4 种文法。

1. 词法文法[2]：描述怎么把Unicode 码点[3]（code point）翻译为输入元素（标记、行终止符、注释、空白）序列。
2. 语法文法[4]：定义标记（token）怎么构成语法正确的程序。
3. 正则文法[5]：描述怎么把 Unicode 码点翻译为正则表达式。
4. 数值字符串文法[6]：描述怎么把 String 翻译成数字值。

每种文法都用上下文无关文法来定义，都包含一组产生式。

不同的文法使用了不同的表示方式。语法文法表示为LeftHandSideSymbol :，词法文法和正则文法表示为LeftHandSideSymbol ::，而数值字符串文法表示为LeftHandSideSymbol :::。（以冒号的多少来区分。——译者注）

接下来我们详细分析一下词法文法和语法文法。

词法文法

规范将 ECMAScript 源文本定义为一个 Unicode 码点序列。这意味着变量名并不限于 ASCII 字符，也可以包含其他 Unicode 字符。规范并没有谈到实际的编码（如 UTF-8 或 UTF-16），而是假设源代码已经按照自己的编码转换成了 Unicode 码点序列。

无法提前对 ECMAScript 源码进行标记化（tokenize），这使得定义词法文法略显复杂。比如，如果不看它所处的更大的上下文，就无法确定/是除法操作符还是正则表达式的开始。

const x = 10 / 5;

这里的/是DivPunctuator。

const r = /foo/;

这里/是RegularExpressionLiteral的开头。

模板也引入了类似的歧义：对`}``的解释取决于它出现的上下文:

const what1 = 'temp';
const what2 = 'late';
const t = `I am a ${ what1 + what2 }`;

这里I am a ${是TemplateHead，而`}``是TemplateTail。

if (0 == 1) {
}`not very useful`;

这里}是RightBracePunctuator，而``是NoSubstitutionTemplate`的开头。

即便对/和}的解释取决于上下文（它们在代码语法结构中的位置），我们下面介绍的文法仍然是上下文无关的。

词汇文法使用一些目标符号（goal symbol）来区分哪些上下文允许哪些输入元素，不允许哪些输入元素。例如，目标符号InputElementDiv（注意，这里的Div是 Divide，即除法的意思。——译者注）会用在/是除法和/=是除法赋值的上下文中。InputElementDiv产生式列出了在此上下文中可能产生的标记：

InputElementDiv ::
  WhiteSpace
  LineTerminator
  Comment
  CommonToken
  DivPunctuator
  RightBracePunctuator

在这个上下文中，遇到/产生输入元素DivPunctuator，而不会产生RegularExpressionLiteral。

相应地，对于/是正则表达式开头的上下文，目标符号是InputElementRegExp：

InputElementRegExp ::
  WhiteSpace
  LineTerminator
  Comment
  CommonToken
  RightBracePunctuator
  RegularExpressionLiteral

这个产生式可以产生RegularExpressionLiteral输入元素，但不可能产生DivPunctuator。

类似地，目标符号InputElementRegExpOrTemplateTail对应的上下文除了RegularExpressionLiteral，还允许出现TemplateMiddle和TemplateTail。最后一个InputElementTemplateTail目标符号的上下文只允许TemplateMiddle和TemplateTail，不允许出现RegularExpressionLiteral。

在实现中，语法文法分析器(“解析器”)可以调用词法文法分析器(“标记器”或“词法器”)，将目标符号作为参数传递，并请求适合该目标符号的下一个输入元素。

语法文法

词法文法定义了如何从 Unicode 码点构建标记。语法文法建立在它的基础上，定义了标记如何组成语法正确的程序。

例子：允许遗留标识符

给文法增加新关键字有可能造成破坏：如果原有代码已经使用该关键字作为标识符了怎么办？

例如，在await还不是关键字的时候，可能出现这样的代码：

function old() {
  var await;
}

ECMAScript 文法谨慎地添加了 await 关键字，以便这段代码可以继续工作。在 async 函数里面，await 是一个关键字，所以不能这样写：

async function modern() {
  var await; // 语法错误
}

在非生成器中允许yield，而在生成器中不允许与此类似。

要理解怎么允许await作为标识符，需要理解 ECMAScript 特定的语法文法表示。

产生式与简写形式

来看看VariableStatement的产生式是怎么定义的。乍一看，这个文法有点吓人：

VariableStatement[Yield, Await] :
 var VariableDeclarationList[+In, ?Yield, ?Await] ;

这里的下标（[Yield, Await]）和前缀（+In里的+和?Await里的?）都什么意思呀？

这种表示法在“文法表示法[7]”中有解释。

下标是对一组产生式的简写形式，一次性表达了一组产生式左端（left-hand side）符号。这个产生式左端符号有两个参数，它们可以展开为四个“真正的”产生式左端符号：

• VariableStatement
• VariableStatement_Yield
• VariableStatement_Await
• VariableStatement_Yield_Await

注意，以上VariableStatement就表示VariableStatement，没有_Await也没有_Yield。不要把它跟<em>VariableStatement</em><sub style="line-height: 0;">[Yield, Await]</sub>（简写形式）弄混了。

在产生式右端，可以看到简写+In，意思是“使用带_In的版本”，而?Await的意思是“当且仅当左端符号有_Await时使用带_Await的版本”（?Yield也是类似的）。

第三种简写形式~Foo，意思是“使用没有_Foo的版本”（这个产生式中没有出现）。

了解了这些，可以把上面的产生式展开成这样：

 VariableStatement :
   var VariableDeclarationList_In ;

 VariableStatement_Yield :
   var VariableDeclarationList_In_Yield ;

 VariableStatement_Await :
   var VariableDeclarationList_In_Await ;

 VariableStatement_Yield_Await :
   var VariableDeclarationList_In_Yield_Await ;

最后，还有要搞清楚两件事。

1. 在哪里确定我们处在有_Await或没有_Await的情况下？
2. 有它和没它有什么区别，或者说Something_Await的产生式和Something（没有_Await）的产生式是在哪里分叉的？

_Await还是没有_Await

先解决第一个问题。因为很容易猜到可以根据函数体是否带_Await来区分异步函数和非异步函数。看异步函数声明的产生式，我们发现了这个[8]：

AsyncFunctionBody :
  FunctionBody[~Yield, +Await] 

注意AsyncFunctionBody没有参数，参数在右端被添加给了FunctionBody。展开这个产生式得到：

AsyncFunctionBody :
  FunctionBody_Await

换句话说，异步函数有FunctionBody_Await（即一个await会被当成关键字的）函数体。

另一方面，如果是在非异步函数中，相关产生式[9]为：

FunctionDeclaration[Yield, Await, Default] :
  function BindingIdentifier[?Yield, ?Await] ( FormalParameters[~Yield, ~Await]) { FunctionBody[~Yield, ~Await] }

（FunctionDeclaration还有一个产生式，但跟我们的代码示例不相关。）

为避免组合展开，我们忽略Default参数，因为这个特别的产生式中没用到。于是，这个产生式的展开形式为：

FunctionDeclaration :
  function BindingIdentifier ( FormalParameters ) { FunctionBody } 

FunctionDeclaration_Yield :
  function BindingIdentifier_Yield ( FormalParameters ) { FunctionBody } 

FunctionDeclaration_Await :
  function BindingIdentifier_Await ( FormalParameters ) { FunctionBody } 

FunctionDeclaration_Yield_Await :
  function BindingIdentifier_Yield_Await ( FormalParameters ) { FunctionBody } 

在这个产生式中，只有FunctionBody和FormalParameters（不带_Yield，也不带_Await），因为在未展开的产生式中它们都有参数[~Yield, ~Await]。

函数名的处理方式就不一样了：如果产生式左端符号中包含_Yield和_Await，则右端的函数名也会带上相应参数。

总结：异步函数有FunctionBody_Await，而非异步函数有FunctionBody（不带_Await）。因为我们讨论的是非生成器函数，所以无论异步示例函数还是非异步示例函数，都不会带参数_Yield。

可能记住哪个是FunctionBody，哪个是FunctionBody_Await有点难。在有FunctionBody_Await的函数体中，await是标识符，还是关键字？

可以把_Await参数的意思理解为“await是一个关键字。”这样理解在将来也不会有问题。假设将来又添加了一个blob关键字，但只适用于“斑驳”（blobby）函数。非斑驳、非异步、非生成器的函数仍然有FunctionBody（不带_Yield、_Await或_Blob），跟现在完全一样。斑驳函数则会有FunctionBody_Await_Blob等。虽然仍然要在产生式中添加Blob下标，但已存在函数的FunctionBody的展开形式还跟以前一样。

不允许await用作标识符

接下来，我们要搞清楚在FunctionBody_Await中，是怎么不允许await用作标识符的。

仔细看一看产生式，可以发现从FunctionBody到之前的VariableStatement产生式都带_Await参数。因此，在异步函数中，就有VariableStatement_Await，而在非异步函数中，则有VariableStatement。

再看仔细一点，注意一下参数。我们已经看到了这个VariableStatement[10]的产生式：

VariableStatement[Yield, Await] :
  var VariableDeclarationList[+In, ?Yield, ?Await] ;

所有VariableDeclarationList[11]的产生式也都照样带这些参数：

VariableDeclarationList[In, Yield, Await] :
  VariableDeclaration[?In, ?Yield, ?Await] 

(这里只展示与我们例子相关的产生式[12]。)

VariableDeclarationList[In, Yield, Await] :
  BindingIdentifier[?Yield, ?Await] Initializer [?In, ?Yield, ?Await]opt ;

这里的opt简写代表产生式右端符号是可选的，也就是实际上有两个产生式：一个带可选的符号（Initializer），另一个不带。

对我们简单的例子来说，VariableStatement包含关键字var，紧跟一个BindingIdentifier（没有初始化器Initializer），以分号结束。

为了允许或不允许await用作BindingIdentifier，我们希望最终看到这些：

BindingIdentifier_Await :
  Identifier 
  yield

BindingIdentifier :
  Identifier 
  yield
  await

这表示在异步函数中不允许await作为标识符，在非异步函数允许它作为标识符。

实际上规范中并没有给出这样的定义，而我们找到的是这个产生式：

BindingIdentifier[Yield, Await] :
  Identifier 
  yield
  await

展开后得到：

BindingIdentifier_Await :
  Identifier 
  yield
  await

BindingIdentifier :
  Identifier 
  yield
  await

（这里省略了BindingIdentifier_Yield和BindingIdentifier_Yield_Await的产生式，因为我们的例子不需要。）

这么看await和yield任何时候都可以作为标识符。这是怎么回事啊？这篇文章难道白写了吗？

静态语义出马

原来为了在异步函数中禁止将await用作标识符，还需要用到静态语义。

静态语义描述静态规则，也就是在程序运行前要校验的规则。

对我们的例子而言，BindingIdentifier的静态语义[13]定义了以下语法导向的规则：

BindingIdentifier[Yield, Await] : await

• 如果这个产生式有[Await]参数就是一个语法错误（Syntax Error）。

实际上，这就是禁止BindingIdentifier_Await : await产生式。

规范解释说，之所以存在这个产生式但又通过静态语义将它定义为语法错误，是因为与 ASI（Automatic Semicolon Insertion，自动插入分号）冲突。

我们知道，在无法根据语法产生式解析一行代码时，ASI 就会介入。ASI 尝试添加分号以满足语句和声明必须以分号结束的要求。（关于 ASI 的详细介绍，可以看下一篇文章。）

来看下面的代码（规范中的例子）：

async function too_few_semicolons() {
  let
  await 0;
}

如果文法不允许await作用标识符，ASI 就会介入并将上面的代码转换为下面这样文法正确的代码，这样let也会被当成标识符：

async function too_few_semicolons() {
  let;
  await 0;
}

与 ASI 的这种冲突被认为太令人困惑，因此才用静态语义禁止await作为标识符。

不允许标识符的StringValues

还有另一条相关规则：

BindingIdentifier : Identifier 

• 如果这个产生式有[Await]参数，且Identifier的StringValue是"await"，就是一个语法错误（Syntax Error）。

乍一看不好理解。Identifier 的定义[14]如下：

Identifier : 
 IdentifierName  but not  ReservedWord 

await是个ReservedWord，因此Identifier怎么可能是await呢？

的确，Identifier不可能是await，但可以是StringValue为"await"（字符序列await的一种不同的表示方式）的其他值。

标识符名的静态语义[15] 定义了如何计算标识符的StringValue。比如，a的 Unicode 转义序列是\u0061，因此\u0061wait的StringValue是"await"。\u0061wait不会被词法语法识别为关键字，而会被识别为Identifier。静态语义禁止在异步函数中使用它作为变量名。

因此，这样可以：

function old() {
  var \u0061wait;
}

但这样不行：

async function modern() {
  var \u0061wait; // 语法错误
}

小结

通过学习这篇文章，我们了解了词法文法、语法文法，以及用于定义语法文法的简写形式。作为例子，我们研究了await在异步函数中被禁止用作标识符，但在非异步函数中则允许。

下一篇文章将介绍词法文法其他有意思的部分，比如自动插入分号（ASI）和包含文法（cover grammar）。

参考资料

[1] 文无关文法: https://en.wikipedia.org/wiki/Context-free_grammar

[2] 词法文法: https://tc39.es/ecma262/#sec-ecmascript-language-lexical-grammar

[3] Unicode码点: https://en.wikipedia.org/wiki/Unicode#Architecture_and_terminology

[4] 语法文法: https://tc39.es/ecma262/#sec-syntactic-grammar

[5] 正则文法: https://tc39.es/ecma262/#sec-patterns

[6] 数值字符串文法: https://tc39.es/ecma262/#sec-tonumber-applied-to-the-string-type

[7] 文法表示法: https://tc39.es/ecma262/#sec-grammar-notation

[8] 这个: https://tc39.es/ecma262/#prod-AsyncFunctionBody

[9] 相关产生式: https://tc39.es/ecma262/#prod-FunctionDeclaration

[10] VariableStatement: https://tc39.es/ecma262/#prod-VariableStatement

[11] VariableDeclarationList: https://tc39.es/ecma262/#prod-VariableDeclarationList

[12] 产生式: https://tc39.es/ecma262/#prod-VariableDeclaration

[13] BindingIdentifier的静态语义: https://tc39.es/ecma262/#sec-identifiers-static-semantics-early-errors

[14] Identifier的定义: https://tc39.es/ecma262/#prod-Identifier

[15] 标识符名的静态语义: https://tc39.es/ecma262/#sec-identifier-names-static-semantics-stringvalue

本文由哈喽比特于3年以前收录，如有侵权请联系我们。
文章来源：https://mp.weixin.qq.com/s/1bNRE2t7UBY1UNikC7MC6g