kvs/kvs_pass1.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
Первый проход КВС
Вычисляет размеры секций и адреса меток
"""

import sys
sys.path.insert(0, '.')
from kvs_data import PAGE_SIZE, text_vaddr_base, align_up, INSTRUCTIONS
from kvs_data import FIXED_SIZE_INSTRUCTIONS, VARIABLE_SIZE_INSTRUCTIONS

# ========== РЕЖИМ ОЦЕНКИ РАЗМЕРОВ ==========
# True  — пессимистичный: все неизвестные инструкции = 10 байт (максимум)
# False — оптимистичный: использовать точный анализ операндов
PESSIMISTIC_SIZE_ESTIMATE = False

def unescape_string(s):
    """Преобразует escape-последовательности в реальные символы"""
    result = []
    i = 0
    while i < len(s):
        if s[i] == '\\' and i + 1 < len(s):
            if s[i + 1] == 'n':
                result.append('\n')
            elif s[i + 1] == 't':
                result.append('\t')
            elif s[i + 1] == 'r':
                result.append('\r')
            else:
                result.append(s[i])
                result.append(s[i + 1])
            i += 2
        else:
            result.append(s[i])
            i += 1
    return ''.join(result)

def read_ast(input_file):
    ast_lines = []
    with open(input_file, 'r', encoding='utf-8') as f:
        for line in f:
            ast_lines.append(line.strip())
    return ast_lines

def is_hex_number(s):
    """Проверяет, является ли строка шестнадцатеричным числом"""
    if len(s) < 3:
        return False
    if not (s[0] == '0' and (s[1] == 'x' or s[1] == 'X')):
        return False
    for ch in s[2:]:
        if not (('0' <= ch <= '9') or ('a' <= ch <= 'f') or ('A' <= ch <= 'F')):
            return False
    return True

def is_dec_number(s):
    """Проверяет, является ли строка десятичным числом (возможно с минусом)"""
    if not s:
        return False
    start = 0
    if s[0] == '-':
        if len(s) == 1:
            return False
        start = 1
    for ch in s[start:]:
        if ch < '0' or ch > '9':
            return False
    return True

def is_register(s):
    """Проверяет, является ли строка именем регистра"""
    return s in ['раикс', 'рбикс', 'рсикс', 'рдикс', 'рсипи', 'рбипи', 'рсиай', 'рдиай',
                 'р8', 'р9', 'р10', 'р11', 'р12', 'р13', 'р14', 'р15']

def split_by_operators(content):
    """
    Разбивает строку по операторам + и - с сохранением операторов.
    Аналог re.split(r'([+\-])', content)
    Пример: "раикс + рбикс*4 - 8" -> ["раикс ", "+", " рбикс*4 ", "-", " 8"]
    """
    parts = []
    current = ''
    for ch in content:
        if ch == '+' or ch == '-':
            if current:
                parts.append(current)
            parts.append(ch)
            current = ''
        else:
            current += ch
    if current:
        parts.append(current)
    return parts

def parse_memory_operand(operand_str):
    """
    Анализирует операнд памяти вида [reg + reg*scale + disp]
    Возвращает словарь с информацией.
    """
    if not operand_str.startswith('[') or not operand_str.endswith(']'):
        return None
    
    content = operand_str[1:-1].strip()
    if not content:
        return None
    
    result = {
        'has_base': False,
        'base_reg': None,
        'has_index': False,
        'index_reg': None,
        'scale': 1,
        'has_disp': False,
        'disp_value': 0,
        'disp_size': 0
    }
    
    if is_dec_number(content) or is_hex_number(content):
        result['has_disp'] = True
        if content.startswith('0x') or content.startswith('0X'):
            result['disp_value'] = int(content, 16)
        else:
            result['disp_value'] = int(content)
        result['disp_size'] = 4
        return result
    
    if is_register(content):
        result['has_base'] = True
        result['base_reg'] = content
        return result
    
    parts = split_by_operators(content)
    
    for part in parts:
        part = part.strip()
        if not part or part == '+' or part == '-':
            continue
        
        if is_register(part):
            if not result['has_base']:
                result['has_base'] = True
                result['base_reg'] = part
            elif not result['has_index']:
                result['has_index'] = True
                result['index_reg'] = part
        elif is_dec_number(part) or is_hex_number(part):
            result['has_disp'] = True
            if part.startswith('0x') or part.startswith('0X'):
                result['disp_value'] = int(part, 16)
            else:
                result['disp_value'] = int(part)
        elif '*' in part:
            star_pos = part.find('*')
            if star_pos != -1:
                reg_part = part[:star_pos].strip()
                scale_part = part[star_pos + 1:].strip()
                if is_register(reg_part):
                    result['has_index'] = True
                    result['index_reg'] = reg_part
                    result['scale'] = int(scale_part)
    
    if result['has_disp']:
        if -128 <= result['disp_value'] <= 127:
            result['disp_size'] = 1
        else:
            result['disp_size'] = 4
    
    return result

def estimate_memory_operand_size(operand_str):
    """Оценивает размер операнда памяти в байтах (ModR/M + SIB + disp)"""
    if not operand_str:
        return 0
    
    addr_mode = parse_memory_operand(operand_str)
    if addr_mode is None:
        return 0
    
    size = 1
    
    if addr_mode['has_index']:
        size += 1
    
    if addr_mode['has_disp']:
        size += addr_mode['disp_size']
    
    return size

class Pass1:
    def __init__(self):
        self.labels = {}
        self.label_sections = {}
        self.symbols = {}
        self.position = {".text": 0, ".data": 0, ".бнд": 0}
        self.current_section = ".text"
        self.entry_point = "_start"
        
    def process_line(self, line):
        parts = line.split(':')
        line_type = parts[0]
        
        if line_type == "DIRECTIVE":
            directive = parts[1]
            if directive == '.текст':
                self.current_section = ".text"
            elif directive == '.данные':
                self.current_section = ".data"
            elif directive == '.бнд':
                self.current_section = ".бнд"
            elif directive == '.глобал':
                self.entry_point = parts[2]
            elif directive in ('.строка_нуль', '.строка'):
                s = parts[3] if len(parts) > 3 else ""
                real_s = unescape_string(s)
                bstring = real_s.encode('utf-8')
                add_null = (directive == '.строка_нуль')
                size = len(bstring) + (1 if add_null else 0)
                self.position[".data"] += size
            elif directive == '.константа':
                name = parts[2]
                value_str = parts[3]
                if is_dec_number(value_str):
                    self.symbols[name] = int(value_str)
                elif is_hex_number(value_str):
                    self.symbols[name] = int(value_str, 16)
                else:
                    self.symbols[name] = 0
            elif directive == '.байт':
                sec = parts[2]
                if len(parts) > 3 and parts[3]:
                    num_bytes = 1
                    for ch in parts[3]:
                        if ch == ',':
                            num_bytes += 1
                    self.position[sec] += num_bytes
            elif directive == '.резб':
                count = int(parts[3])
                self.position['.бнд'] += count * 1
            elif directive == '.резс':
                count = int(parts[3])
                self.position['.бнд'] += count * 2
            elif directive == '.рездс':
                count = int(parts[3])
                self.position['.бнд'] += count * 4
            elif directive == '.резкс':
                count = int(parts[3])
                self.position['.бнд'] += count * 8
                    
        elif line_type == "LABEL":
            label_name = parts[1]
            sec = parts[2]
            self.labels[label_name] = self.position[sec]
            self.label_sections[label_name] = sec
            
        elif line_type == "INSTR":
            mnemonic = parts[1]
            sec = parts[2]
            operands_str = parts[3] if len(parts) > 3 else ""
            operands = []
            if operands_str:
                current = ''
                for ch in operands_str:
                    if ch == ',':
                        operands.append(current)
                        current = ''
                    else:
                        current += ch
                if current:
                    operands.append(current)
            size = self.estimate_size(mnemonic, operands)
            self.position[sec] += size
    
    def estimate_size(self, mnemonic, operands):
        """Динамический расчёт размера инструкции"""
        
        # Инструкции с фиксированным размером
        if mnemonic in FIXED_SIZE_INSTRUCTIONS:
            return FIXED_SIZE_INSTRUCTIONS[mnemonic]
        
        # Инструкции с переменным размером — анализируем операнды
        if mnemonic in ("загрузить", "сохранить", "загрузить_адрес"):
            for op in operands:
                if op.startswith('MEM:reg_indirect:'):
                    return 3  # косвенная: REX + opcode + ModR/M
            return 7  # абсолютная: REX + opcode + ModR/M + disp32
        
        if mnemonic in ("втолкнуть", "вытолкнуть"):
            if operands:
                reg = operands[0]
                if reg in ('р8', 'р9', 'р10', 'р11', 'р12', 'р13', 'р14', 'р15'):
                    return 2  # нужен REX-префикс
            return 1  # без REX
        
        if mnemonic in ("прибавить_непосредственно", "вычесть_непосредственно", "сравнить_с"):
            return 7  # пессимистично: REX + opcode + ModR/M + imm32
        
        if mnemonic == "переместить_имм":
            return 10  # пессимистично: mov reg64, imm64
        
        if mnemonic in ("переместить_с_нулями", "переместить_со_знаком"):
            return 8  # REX + 3-байтный opcode + ModR/M + disp32
        
        if mnemonic == "загрузить_байт":
            return 2  # opcode + imm8
        
        if mnemonic == "втолкнуть_непосредственно":
            return 5  # пессимистично: opcode + imm32
        
        # Неизвестная инструкция
        if PESSIMISTIC_SIZE_ESTIMATE:
            return 10
        else:
            return 3
    
    def calculate_layout(self):
        text_size = self.position[".text"]
        data_size = self.position[".data"]
        bnd_size = self.position[".бнд"]
        
        elf_header_size = 64
        ph_size = 56
        ph_num = 3
        ph_table_size = ph_num * ph_size
        
        offset_text = align_up(elf_header_size + ph_table_size, PAGE_SIZE)
        offset_data = align_up(offset_text + text_size, PAGE_SIZE)
        vaddr_text = text_vaddr_base
        vaddr_data = align_up(vaddr_text + text_size, PAGE_SIZE)
        vaddr_bnd = vaddr_data + PAGE_SIZE
        
        comment_size = len("Сборщик КВС".encode('utf-8')) + 1
        offset_comment = align_up(offset_data + data_size, 1)
        
        if bnd_size > 0:
            shstrtab_content = b"\x00.text\x00.data\x00.bss\x00.comment\x00.shstrtab\x00"
        else:
            shstrtab_content = b"\x00.text\x00.data\x00.comment\x00.shstrtab\x00"
        shstrtab_size = len(shstrtab_content)
        shstrtab_offset = align_up(offset_comment + comment_size, 8)
        shdr_offset = align_up(shstrtab_offset + shstrtab_size, 16)
        
        return {
            "text_size": text_size,
            "data_size": data_size,
            "bnd_size": bnd_size,
            "offset_text": offset_text,
            "offset_data": offset_data,
            "vaddr_text": vaddr_text,
            "vaddr_data": vaddr_data,
            "vaddr_bnd": vaddr_bnd,
            "offset_comment": offset_comment,
            "comment_size": comment_size,
            "shstrtab_offset": shstrtab_offset,
            "shstrtab_size": shstrtab_size,
            "shdr_offset": shdr_offset,
            "entry_point": self.entry_point,
        }

def write_pass1(pass1_data, labels, label_sections, symbols, output_file):
    with open(output_file, 'w', encoding='utf-8') as f:
        for key, value in pass1_data.items():
            f.write(f"PARAM:{key}:{value}\n")
        for label, pos in labels.items():
            sec = label_sections.get(label, ".text")
            f.write(f"LABEL:{label}:{sec}:{pos}\n")
        for name, value in symbols.items():
            f.write(f"SYMBOL:{name}:{value}\n")

if __name__ == "__main__":
    if len(sys.argv) != 3:
        print("Использование: python kvs_pass1.py <вход.аст> <выход.проход1>")
        sys.exit(1)
    
    ast_lines = read_ast(sys.argv[1])
    pass1 = Pass1()
    for line in ast_lines:
        pass1.process_line(line)
    
    layout = pass1.calculate_layout()
    write_pass1(layout, pass1.labels, pass1.label_sections, pass1.symbols, sys.argv[2])
    
    print(f"Проход 1 (режим: {'пессимистичный' if PESSIMISTIC_SIZE_ESTIMATE else 'оптимистичный'}):")
    print(f"  .text: размер={layout['text_size']} байт, смещение_в_файле=0x{layout['offset_text']:x}, виртуальный_адрес=0x{layout['vaddr_text']:x}")
    print(f"  .data: размер={layout['data_size']} байт, смещение_в_файле=0x{layout['offset_data']:x}, виртуальный_адрес=0x{layout['vaddr_data']:x}")
    print(f"  .бнд:  размер={layout['bnd_size']} байт, виртуальный_адрес=0x{layout['vaddr_bnd']:x}")
    print(f"  entry_point: {layout['entry_point']}")
    print(f"  метки:")
    for label, pos in pass1.labels.items():
        sec = pass1.label_sections.get(label, ".text")
        if sec == ".text":
            addr = layout['vaddr_text'] + pos
        elif sec == ".data":
            addr = layout['vaddr_data'] + pos
        elif sec == ".бнд":
            addr = layout['vaddr_bnd'] + pos
        else:
            addr = pos
        print(f"    {label}: секция={sec}, смещение={pos}, адрес=0x{addr:x}")