首先什么是元信息？ #
来看下面一段python代码，我们希望能够根据传入的字符串来自动修改对应的字段值
class Person:
def __init__(self, age, name):
self.age = age
self.name = name
person = Person(10, "xiaohong")
setattr(person, "age", 12)
setattr(person, "name", "xiaoming")
print(f"name: {person.name}, age: {person.age}") # => name: xiaoming, age: 12
setattr是python内置的一个函数，刚好可以实现我们的需求。根据输入的字段名，修改对应值。
如果想要在C++中实现应该怎么办呢？C++可没有内置setattr这种函数。代码示例如下。（暂时就先考虑可以直接memcpy的类型了，也就是trivially copyable的类型）
struct Person
{
int age;
std::string_view name;
};
// 名字 -> 字段偏移量，字段大小
std::map<std::string_view, std::pair<std::size_t, std::size_t>> fieldInfo =
{
{"age", {offsetof(Person, age), sizeof(int)}},
{"name", {offsetof(Person, name), sizeof(std::string_view)}},
};
void setattr(Person* point, std::string_view name, void* data)
{
if (!fieldInfo.contains(name))
{
throw std::runtime_error("Field not found");
}
auto& [offset, size] = fieldInfo[name];
std::memcpy(reinterpret_cast<char*>(point) + offset, data, size);
}
int main()
{
Person person = {.age = 1, .name = "xiaoming"};
int age = 10;
std::string_view name = "xiaohong";
setattr(&person, "age", &age);
setattr(&person, "name", &name);
std::cout << person.age << " " << person.name << std::endl;
// => 10 xiaohong
}
可以发现我们基本上自己实现了setattr这个函数，而且这样的实现似乎可以是通用的。只要为特定的类型提供属于它的fieldInfo就行了。这个fieldInfo里面存了字段名，字段的偏移量，字段的类型大小。它就可以被看做元信息,除此之外可能还有变量名，函数名，等等。这些信息不直接参与程序的运行，而是提供关于程序结构、数据、类型等方面的附加信息。元信息里面存的东西似乎也都是死套路，对于我们都是已知信息。因为它们就存在程序的源代码里面。那C/C++编译器提供这种功能吗？答案是：对于debug模式下的程序可能会保留一部分用于程序调试，而在release模式下什么都不会存。这样做的好处是很显然的，因为这些信息并不是程序运行起来必须要的信息，不保留它们可以显著减少二进制可执行文件的大小。
为什么这些信息是不必要的，什么时候需要？ #
接下来我会以C语言为例，将它的源码与二进制表示对应起来。看看执行代码究竟需要哪些信息？
变量定义 #
int value;
事实上变量声明并没有直接对应的二进制表示，它仅仅是告诉编译器需要分配一块空间来存储名为value的变量，究竟分配多大的内存则由它的类型决定。所以如果变量声明的时候类型大小是未知的，则会编译错误。
struct A;
A x; // error: storage size of 'x' isn't known
A* y; // ok the size of pointer is always konwn
struct Node
{
int val;
Node next;
}; // error Node is not a complete type
// 其实意思就是定义 Node 类型的时候它的大小还是未知的
struct Node
{
int val;
Node* next;
}; // ok
相信你想到了这和malloc似乎有点像，的确如此。区别在于，malloc是在运行时的堆上分配内存。而直接的变量声明一般是在数据区或者栈上分配内存。编译器可能在内部会维护一个符号表，将变量名与它的地址映射起来，在你后续对这个变量进行操作的时候，实际上是对这块内存区域进行操作。
内置运算符 #
C语言内置的运算符一般直接和CPU指令直接对应，至于CPU是如何实现这些运算的，可以学习下数电相关知识。以x86_64为例，可能的对应如下
| Operator | Meaning | Operator | Meaning |
|----------|---------|----------|---------|
| + | add | * | mul |
| - | sub | / | div |
| % | div | & | and |
| \| | or | ^ | xor |
| ~ | not | << | shl |
| >> | shr | && | and |
| || | or | ! | not |
| == | cmp | != | cmp |
| > | cmp | >= | cmp |
| < | cmp | <= | cmp |
| ++ | inc | -- | dec |
赋值则可能是通过mov指令来完成的，比如
a = 3; // mov [addressof(a)] 3
结构体 #
struct Point
{
int x;
int y;
}
int main()
{
Point point;
point.x = 1;
point.y = 2;
}
结构体的大小一般可以由特定规则算出从它的成员算出，往往要考虑内存对齐，而且是编译器决定的。例如 msvc。但总之在编译的时候结构体的大小就是已知的了，我们也可以通过sizeof获取类型或者变量的大小。那么这里的Point point变量定义就很好理解，类型大小已知，相对于在栈上分配了一块内存。
下面来关注一下结构体成员访问，事实上C语言有一个宏可以获取结构体成员相对于结构体起始地址的偏移量，叫做offsetof（就算我们获取不到，编译器里面也是会计算字段偏移量的，所以偏移量信息对编译器总是已知的）。例如在这里offsetof(Point, x)就是0，offsetof(Point, y)就是4。所以上面的代码可以理解为
int main()
{
char point[sizeof(Point)]; // 8 = sizeof(Point)
*(int*)(point + offsetof(Point, x)) = 1; // point.x = 1
*(int*)(point + offsetof(Point, y)) = 2; // point.y = 2
}
编译器同样可能会维护一个字段名->偏移量的符号表，字段名最终会替换为offset。也没有必要在程序中保留了。
函数调用 #
一般通过函数调用栈实现，这个太常见了，就不仔细说了。函数名最后会直接被替换为函数地址。
总结 #
通过上面的分析，相信你已经发现了，C语言中的符号名，类型名，变量名，函数名，结构体字段名等等信息都被替换成了数字，地址，偏移量等等。缺少了它们对程序运行并没有什么影响。所以选择把它们抛弃掉，减少二进制文件的大小。对于C++来说情况基本也是类似的，C++只会在一些特殊的情况下保留部分元信息，比如type_info，而且可以手动选择关闭掉RTTI从而确保不会产生这种信息。
那什么时候我们需要使用这些信息？显然最开始介绍的setattr是需要的。在程序调试的时候，我们得知道一个地址对应的变量名，函数名，成员名等等，方便我们调试，这时候我们也是需要的。当把结构体序列化为json的时候，我们需要知道它的字段名，我们也需要这些信息。把类型擦除成void*了之后，我们还是需要知道它实际对应的类型是什么，这时候我们也是需要的。总之，为了在运行期区分这串二进制内容倒是原本是什么东西的时候，我们就需要这些信息（当然在编译期想要利用这些信息进行代码生成，也是需要的）。
如何获取这些信息？ #
C/C++编译器并没有提供给我们接口让我们获取这些信息，但是前面已经说了，这些信息显然就在源代码里面啊。变量名，函数名，类型名，字段名。我们可以选择通过人工理解代码，然后手动去存储元信息。几千个类，几十个成员函数，可能写个几个月就好了吧。开玩笑的，或者我们可以写一些程序，比如正则表达式匹配之类的帮我们获取到这些信息？不过，其实我们有更好的选择来获取这些信息，那就是通过AST。
AST(Abstract Syntax Tree) #
AST是抽象语法树（Abstract Syntax Tree）的缩写。它是编程语言处理中的一种数据结构，用于表示源代码的抽象语法结构。AST是源代码经过解析器（parser）处理后的结果，它捕捉了代码中的语法结构，但不包含所有细节，比如空白字符或注释。在AST中，每个节点代表源代码中的一个语法结构，例如变量声明、函数调用、循环等。这些节点之间通过父子关系和兄弟关系连接，形成了一棵树状结构，这样的结构更容易被计算机程序理解和处理。如果你的电脑里面装了clang编译器，可以使用下面这个命令查看一个源文件的语法树
clang -Xclang -ast-dump -fsyntax-only <your.cpp>
输出如下，我筛选出了重要的信息，无关的已经被删除了
|-CXXRecordDecl 0x2103cd9c318 <col:1, col:8> col:8 implicit struct Point
|-FieldDecl 0x2103cd9c3c0 <line:4:5, col:9> col:9 referenced x 'int'
|-FieldDecl 0x2103e8661f0 <line:5:5, col:9> col:9 referenced y 'int'
`-FunctionDecl 0x2103e8662b0 <line:8:1, line:13:1> line:8:5 main 'int ()'
`-CompoundStmt 0x2103e866c68 <line:9:1, line:13:1>
|-DeclStmt 0x2103e866b30 <line:10:5, col:16>
| `-VarDecl 0x2103e866410 <col:5, col:11> col:11 used point 'Point':'Point' callinit
| `-CXXConstructExpr 0x2103e866b08 <col:11> 'Point':'Point' 'void () noexcept'
|-BinaryOperator 0x2103e866bb8 <line:11:5, col:15> 'int' lvalue '='
| |-MemberExpr 0x2103e866b68 <col:5, col:11> 'int' lvalue .x 0x2103cd9c3c0
| | `-DeclRefExpr 0x2103e866b48 <col:5> 'Point':'Point' lvalue Var 0x2103e866410 'point' 'Point':'Point'
| `-IntegerLiteral 0x2103e866b98 <col:15> 'int' 1
`-BinaryOperator 0x2103e866c48 <line:12:5, col:15> 'int' lvalue '='
|-MemberExpr 0x2103e866bf8 <col:5, col:11> 'int' lvalue .y 0x2103e8661f0
| `-DeclRefExpr 0x2103e866bd8 <col:5> 'Point':'Point' lvalue Var 0x2103e866410 'point' 'Point':'Point'
`-IntegerLiteral 0x2103e866c28 <col:15> 'int' 2
或者如果你的vscode装了clangd这个插件，可以右键选择一块代码，然后右键show AST来看这块代码片段的ast。可以发现上面的确是把源码内容以树的方式呈现给我们了，既然是一颗树，我们就可以自由的遍历树的节点，然后筛选获取我们想要的信息。上面两例都是可视化的输出，通常情况下也会有直接的代码接口来直接获取。比如python内置就有ast模块来获取，C++一般是通过clang相关的工具来获取这些内容。如果想知道具体该如何使用clang工具，可以参考这篇文章
如果你好奇编译器究竟是如何把源代码变成ast的，你可以去学习一下编译原理前端的内容。
以何种方式存储这些信息？ #
这个问题听起来让人有些困惑，实际上这个问题可能只有C++程序员需要考虑
其实一切原因都是constexpr引起的。把信息下面这样存储起来
struct FieldInfo
{
std::string_view name;
std::size_t offset;
std::size_t size;
}；
struct Point
{
int x;
int y;
}；
constexpr std::array<FieldInfo, 2> fieldInfos =
{{
{"x", offsetof(Point, x), sizeof(int)},
{"y", offsetof(Point, y), sizeof(int)},
}};
就意味着我们不仅仅能在运行期查询这些信息，还能在编译期查询这些信息
更有甚者，还可以存到模板参数里面去，这样的话连类型也能存了
template<fixed_string name, std::size_t offset, typename Type>
struct Field{};
using FieldInfos = std::tuple
<
Field<"x", offsetof(Point, x), int>,
Field<"y", offsetof(Point, y), int>
>;
这样无疑给了我们更大的操作空间，那么有了这些信息之后，下一步该做些什么？事实上我们可以选择基于这部分信息进行代码生成，相关的内容可以浏览系列文章中的其它小节。总目录的链接在下方：