AI 都能替你写代码的今天，很多人敲了三五年键盘，却从没想过一个最基本的问题：你写下的那串字符，计算机是怎么“看懂”的？ 编程语言圈有一条长青爆款视频——Frame of Essence 频道的《How do computers read code?》（计算机如何读代码），它用不到五分钟的动画，把编译器与解释器的工作原理讲成了一个人人能懂的“翻译”故事。这条视频常年霸占“编译器入门”相关搜索的前列，累计播放达数百万次，是无数计算机专业学生和自学者接触“语言实现”这个领域的第一课。本文按照视频的叙事顺序逐段拆解，把它省略的工程细节、背后的真实历史与理论全部补齐——没看过视频，你能看懂；看过视频，你能多懂一层。
| 项目 | 内容 |
|---|---|
| 视频标题 | How do computers read code?（计算机如何读代码？） |
| 频道 | Frame of Essence |
| 主题分类 | 编程语言实现 / 编译原理科普 |
| 时长 | 约 4 分钟动画短片 |
| 热度 | 播放达数百万次，是该频道播放量最高的视频之一，长期被各大学课程与论坛引用为编译入门首选 |
※ 说明：本篇撰写环境无法联网实时核对页面，以上播放量与时长为据频道页面的历史数据，请以 YouTube 当前页面为准。
这条视频的全部论证，建立在一个隐喻上：编程语言是人与机器之间的“外语”，读懂代码的本质是翻译。 按叙事顺序，它讲了五件事。
视频开场先立起一个反差：人类写的代码——if、while、变量、函数——在 CPU 眼里毫无意义。CPU 是一台“只听得懂母语”的机器，它的母语是机器码：一串串固定长度的二进制指令，每条指令对应一个极原始的操作，比如“把这个寄存器里的数加一”“把这个地址的数据搬过去”。人类不可能直接用这种语言思考。程序员的创造力靠的是高级语言，而高级语言和机器码之间的鸿沟，必须有人来填——这个“翻译官”，就是视频的主角。
这是全片最经典的段落。视频用“翻译一本书”作比，给出了两种截然不同的策略：
视频明确指出两者的代价结构不同：编译慢在运行前，快在运行时；解释快在启动，慢在执行——因为每次运行都要重新翻译一遍。这个“时间花在哪里”的框架，是理解一切语言性能差异的起点。
接下来是全片技术含量最高的部分：编译器（或解释器）读代码的第一步，词法分析（lexical analysis）。
编译器看到的源代码，最初只是一长串字符。它做的第一件事是“断句分词”：把 int count = 10; 这样的字符流，切成一个个有意义的记号（token）——int 是关键字，count 是标识符，= 是运算符，10 是数字字面量，; 是分隔符。干这活的组件叫词法分析器（lexer / tokenizer）。
视频用了一个精妙的类比：这就像你读一门没学过的外语时，先得知道哪里是一个词的结尾、哪些字符组合构成一个“单词”。空格和换行帮了人类的忙，但对机器来说，它需要明确的规则来判定“这串字符是一个整体”。
第二步，语法分析（parsing）。有了单词还不够——“ count int = 10”打乱顺序就毫无意义。语言之所以是语言，在于单词必须按语法规则组合。语法分析器（parser）拿着一套语法规则，把记号流组装成抽象语法树（Abstract Syntax Tree，AST）。
比如 2 + 3 × 4，解析出来的不是一串平铺的记号，而是一棵树：乘法是根节点，3 和 4 是它的孩子，而整个乘法节点又是加法节点的一个孩子——这棵树的结构，天然编码了“先乘后加”的优先级。视频在这里点破了全片最深的一层认知：代码在机器内部的存在形式不是文本，而是一棵树。 你写的是一行行字符串，机器“想”的却是一棵层级结构。
树建好了，翻译就是水到渠成的事：
ADD 指令，赋值节点翻译成“取数—写入内存”的指令序列。最终输出一份完整的机器码文件。视频的收尾升华了主题：编译器和解释器本质上是同一件事的两种完成度——“把一种语言翻译成另一种语言”。而最有意思的地方在于：翻译官自己也是程序，也是用某种语言写的。这个自指结构，为整个领域埋下了最深的一颗种子。
这条视频是科普浓缩，它背后的每一环都有扎实的工程史与理论支撑。逐环补齐：
“编译器”这个概念的工程起点，通常追溯到格蕾丝·霍珀（Grace Hopper）。1952 年，她在 UNIVAC 上实现了 A-0 编译器——能把人们用助记方式写下的例程描述，翻译成机器可执行的代码。霍珀后来的 FLOW-MATIC 语言（1957）直接催生了商用到今天的 COBOL。她坚持“程序应该用接近英语的方式写、让机器去适应人而不是人适应机器”，这个理念就是“高级语言”的灵魂。今天我们说“编译”，词源上就是霍珀一代人把"compile"（汇编、编纂）从出版业借来用的结果。
1957 年，约翰·巴科斯（John Backus）带领 IBM 团队交付了 FORTRAN 编译器——第一个能生成高效机器码的高级语言编译器。它证明了一件事：机器生成的代码可以比手写汇编更优化，从此“用高级语言写程序”在经济上成立了。巴科斯随后在 ALGOL 58/60 报告中与彼得·瑙尔（Peter Naur）共同确立了 BNF 范式（Backus–Naur Form）——一种用“产生式规则”精确描述语法的方式。视频里“语法规则决定单词怎么组句”，其严格的数学形态就是 BNF。
视频先拆词、再组句的两步走，并非工程直觉，而是语言学理论的直接映射。1956 年，语言学家诺姆·乔姆斯基（Noam Chomsky）发表《Three Models for the Description of Language》，提出著名的乔姆斯基层级，把语言按复杂度分成四层。对编译器设计者最重要的区分是：
一句话：词法用正则，语法用文法——两步走是数学上的必然，不是风格选择。（顺带一提：解析领域后来发展出 LL、LR 等算法族，其中 LR(k) 由高德纳的学生时代论文奠基，即 Donald Knuth 于 1965 年发表的 LR 理论；工程上更常用手写的“递归下降解析器”，现代大量语言的编译器前端都采用它。）
解释执行的谱系从约翰·麦卡锡（John McCarthy）1958 年的 Lisp 开始。Lisp 的代码和数据同构（都是 S 表达式），麦卡锡用半页纸的 eval 函数就定义了整个语言——这是“解释器”概念的理论起点。视频里“解释器照着语法树直接执行”的描述，与 Lisp 的 eval/apply 循环一脉相承。
视频的二分法是教学简化。真实世界的主流引擎几乎全是混合模式：
.pyc，下次免解析；LuaJIT、PyPy 都是解释器加即时编译的组合。还有一个可爱的自指结构值得单独说：自举（bootstrapping）——用 C 语言写 C 的编译器，用 Rust 写 Rust 的编译器。这带来一个著名的深水区问题：肯·汤普森（Ken Thompson，Unix 之父）1984 年图灵奖演讲《Reflections on Trusting Trust》指出：如果编译器本身被植入后门，它可以悄悄把后门“传染”给每一个它编译出来的程序，甚至在编译自己的源码时也看不出来。读代码这件事的信任链，最终要落在“你相信哪个编译器”上——这是视频没讲、但每个系统程序员都该知道的一层。
证据充分的部分：词法分析→语法分析→AST→生成/执行的流水线框架，是教科书级的共识（龙书《Compilers: Principles, Techniques, and Tools》——Aho、Lam、Sethi、Ullman 合著——前几章就是这个结构），没有任何争议。AST 作为“代码的机器内部形态”也完全准确，今天的 ESLint、Prettier、Tree-sitter 全部工作在 AST 上。
被简化的部分需要三点提醒：
int x = "hello"; 能建出一棵树，但类型对不上。真实编译器在 AST 之后还有语义分析（类型检查等）、中间表示和动辄几十上百个优化 pass。视频跳过了从“正确的树”到“高效的机器码”之间最难、也最值钱的部分——这没问题，但读者要知道那才是编译器工程的大头。另有一个真实的工程争议可以补充：语法本身也是复杂性来源。C++ 的模板语法让“拆词建树”变得病态困难（尖括号既可能是比较运算符又可能是模板括号，需要语义信息才能定论），以至于 C++ 编译器前端常年是最难写的软件之一——这是“上下文无关”在实践中被打破的著名案例。
第一，把编译器错误信息当成你的第一次 code review。 理解了流水线，你就知道错误信息的层级：unexpected character 是词法层在说话，expected ';' 是语法层在说话，type mismatch 是语义层在说话。读懂报错属于哪一层，定位速度立刻翻倍——报错发生在哪一步，问题就大致出在哪一段。
第二，学会用“代码即树”的视角做自动化。 既然代码在机器里是 AST，那么批量改代码的正道就是操作 AST 而不是正则替换：ESLint 规则、Prettier 格式化、各大厂的 codemod 迁移工具，本质都是“遍历语法树、改节点、再打印回去”。下次想对代码库做大规模修改时，先想想“这能不能在语法树上做”，而不是硬写正则。
第三，动手写一个 200 行的迷你解释器。 这是消化这条视频最狠的方式。Bob Nystrom 的免费在线书《Crafting Interpreters》会带你用不到千行代码写出一个能跑的 LISP 方言与脚本语言； Thorsten Ball 的《Writing an Interpreter in Go》是另一条常被推荐的路径。写完拆词和建树，你会对“代码是什么”产生永久性的认知升级——从此你看任何语言，看到的都不再是字符，而是树。
flowchart TD
A[人写高级语言] --> B[机器只懂机器码]
B --> C[需要翻译官]
C --> D{翻译哲学二选一}
D --> E[编译器<br/>先整本翻译]
D --> F[解释器<br/>边读边执行]
E --> G[第一步 词法分析<br/>字符切成记号]
F --> G
G --> H[第二步 语法分析<br/>记号拼成语法树]
H --> I[编译路线<br/>遍历树生成机器码]
H --> J[解释路线<br/>照着树直接执行]
I --> K[产物可反复运行]
J --> L[每次运行重复翻译]
K --> M[翻译官也是程序<br/>自举与信任链]
L --> M
这条视频最了不起的地方，是用四分钟把“编译原理”从一门劝退课变成了一次顿悟：读代码和读文章，遵循同样的语言学规律；而读懂代码的那个翻译官，本身也是一段被翻译出来的代码。 在 AI 代写代码的时代，“代码如何被读懂”这个问题有了新的分量——机器读得越来越懂，人反而更需要理解读代码的机制本身。看完视频再回头看本文补上的那些名字：霍珀、巴科斯、乔姆斯基、麦卡锡、拉特纳——你会发现，这四分钟动画里，压缩着七十年语言实现史的全部主干。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。