Tema 1 - Compiladores

Analizadores
léxicos y sintácticos
Tema 1:
Introducción a los compiladores
Fernando D. Lorenzo García

Compiladores
La escritura de compiladores comprende:
Lenguajes de programación
La arquitectura de computadores
La teoría de lenguajes
Los algoritmos
La ingeniería del software

Compiladores
Se define compilador como un programa que
traduce un programa fuente a un programa
objeto equivalente.
El compilador informa a su usuario de errores
en el programa fuente
Programa Programa
Compilador
fuente objeto
Mensaje
de error
Compiladores
La función del compilador radica en que se
mantenga la semántica del programa fuente
en el programa objeto
En un compilador nos interesan dos aspectos
La velocidad de compilación
La eficiencia del código objeto
Llegar a una solución de compromiso entre
ambos

Necesidad de un compilador
Eliminar conocer los detalles de la máquina
Diseñar programa por bloques
Despreocuparse de la ocupación de los
datos
Portabilidad

Proceso de
compilación-ejecución
Estructura del programa fuente
•Inserción de ficheros
•Macroinstrucciones
Preprocesador
•Racionalizaciones
Programa fuente •Extensión de lenguajes
Compilador
Programa objeto
Ensamblador
Código máquina relocalizable

Biblioteca,
Editor de carga y enlace Archivos objeto relocalizable
Código de máquina absoluto o ejecutable

Definiciones
Intérprete: Es un programa en el que sus
datos de entrada son de un programa fuente,
pero la semántica que lleva las acciones del
programa fuente, el intérprete las realiza (no
es una traducción)
Ensamblador: Es un traductor de lenguaje
ensamblador a lenguaje máquina
Compilador cruzado: Es un compilador que
se ejecuta en una máquina pero que genera
código para otra
Definiciones
Autocompilador: Es un compilador que se
compila a sí mismo (compila su propio
fuente)
Decompilador: Es un programa que hace el
proceso inverso a la compilación, también
denominado “recreador”

Fases de un compilador
Al diseñar un compilador se suele hacer de
forma que todo el trabajo se subdivida en
fases.
Programa fuente
Análisis
Código intermedio (instrucciones)
Síntesis Tabla de símbolos (datos)
Programa objeto

El análisis está relacionado con el lenguaje
fuente y consiste en ir leyendo las
instrucciones que lo componen e ir
almacenando el significado de las mismas.
En esta fase se obtiene un código intermedio
(información de instrucciones) y una tabla de
símbolos (información de datos)
En la síntesis se construyen las instrucciones
del programa objeto a partir de la información
obtenida
La fase de síntesis tiene el inconveniente de
tener que ser eficiente por lo que se complica
su construcción
Por ello esta fase incluye una optimización
que es una mejora del código intermedio
Refinando, nos queda:

Programa fuente
Código intermedio 1
Análisis Tabla de símbolos 1
Optimización del
código intermedio
Síntesis del Código intermedio 2
Código objeto Tabla de símbolos 2
Programa objeto
Al análisis se le suele llamar FRONT-END del

compilador y a la síntesis BACK-END

El análisis se subdivide en tres niveles
Programa fuente
Análisis léxico
Análisis sintáctico Análisis

Análisis semántico +
Código intermedio
Optimización del
código intermedio
Síntesis del
Código objeto
Programa objeto
El nivel léxico se ocupa de las gramáticas
regulares o expresiones regulares mediante
el uso de autómatas finitos
El nivel sintáctico se ocupa de las gramáticas
independientes del contexto mediante
reconocedores sintácticos basados en
máquinas de pila

El nivel semántico se ocupa de definir
completamente el lenguaje fuente, ya que
existe una información adicional dependiente
del contexto. Las herramientas utilizadas son
traducciones dirigidas por sintaxis y
gramáticas atribuidas
Módulos relacionados al trasvase de
información de otros módulos
Manejo de tabla de símbolos
Manejo de errores
Implementación fases-pasadas
Se denomina pasada a la implementación de
cada fase del compilador. Una pasada es un
proceso que realiza el compilador sobre el
conjunto completo del programa
En la práctica, es importante reducir el
número de pasadas puesto que se reduce el
número de lecturas del programa y esto
implica una mayor velocidad

Las fases desde el punto de vista lógico
reciben información elaborada en programas
fuentes y generan un segundo texto y así
sucesivamente (segundo texto genera un
tercero, etc.)
Existen varias formas de implementación:

Primera forma
Que cada una de las fases fuera un programa y
se ejecutaran los programas concurrentemente.
Se ejecutan independientemente y
concurrentemente, pero existiendo comunicación
entre ellos.
Es la manera mas directa
Problema: Que el lenguaje de implementación no
admita programas concurrente

Segunda forma
Hacer que una fase sea subrutina de la siguiente
Es equivalente a un proceso concurrente pero
con un solo procesador
Simulación de lo anterior

Tercera forma
Entrelazar los códigos de las fases, es decir,
simplemente se diseñan F2 y F3 y luego se
entrelazan
F2 F3 Programa
*****************
*****************
*****************
*****************

En la práctica lo mas usual es que el
analizador léxico se comporte como una
subrutina y que el analizador sintáctico y
semántico tengan sus códigos entrelazados

Compilador
Analizador léxico Subrutina
Analizador sintáctico
Call Analizador léxico
Analizador semántico Código

entrelazado
Analizador sintáctico
Call Analizador léxico
Analizador semántico

Arrancaría el subprograma y el análisis
sintáctico haría una primera llamada al
análisis léxico, y las reiteraría en los casos
necesarios.

Descripción de las fases
Análisis léxico
Funciona a nivel de símbolos
Lee los caracteres y construye símbolos, es decir,
agrupa los caracteres y reconoce el símbolo que
forma.
Así, la unidad que recoge es el carácter y la que
entrega es el símbolo
BEGIN símbolo Begin

Análisis léxico
Al analizador sintáctico no le interesa cómo se
representa el símbolo, sino lo que él implica
Ejemplo: BEGIN implica principio de un bloque
Tampoco le interesa el nombre de las variables
sino la distinción y tipo de las variables
El análisis léxico entrega un cierto código
simbólico que representa a cada símbolo

Análisis léxico
Código ejemplo
begin alfa := 3.51E-7 + beta ; end
Al encontrar una variable lo normal es que la
introduzca en una tabla de símbolos que
Código número
almacena todas las(real,
Código begin
Código
Código
variable variables
entero, …)y alguna
asignación CódigoCódigo
suma
Código
variable
puntoycoma
Código end
información adicional para identificarla
completamente
Lo que el análisis sintáctico recibe es:
(begin)(var)(asig)(real)(suma)(var)(puntoycoma)(end)

Análisis sintáctico
Se base en una descripción de las estructuras
que el lenguaje admite.
Partimos de una determinada definición del
lenguaje (gramática) que nos indica que
programas y estructuras podemos escribir
Toma los símbolos y trata de obtener una
representación de la estructura del programa
fuente, normalmente en un árbol

Árbol que nos representa la estructura de nuestro
programa
Programa
Subprograma Subprograma
declaraciones instrucciones
Instrucc. 1 Instrucc. 2 Instrucc. 2
var := expresion

En los nodos hoja se encuentran los símbolos
Nodo hoja se denomina símbolo terminales
Nodos no hoja se denomina símbolos no
terminales
El análisis sintáctico va pasando por una serie de
estados y en cada estado sabremos en qué punto
del árbol nos encontramos
No se genera el árbol pero si se simula su recorrido

El análisis sintáctico se suele subdividir en
subrutinas
Una por cada tipo de nodo y se van llamando entre si
Ejemplo
En una asignación se cogerá una variable, un
asignador y se llama a la subrutina de expresión
Asignación
var := expresion

Análisis semántico
Revisa el programa fuente para tratar de
encontrar errores semánticos y reúne la
información sobre los tipos para la fase posterior
de generación de código.
Un componente importante es la verificación de
tipos
El compilador verifica que cada operador tiene
operandos permitidos por la especificación del
lenguaje

Generación de código intermedio
Debido a que un código generado directamente
sería poco eficiente se crea un código intermedio
Diseñado por el creador del compilador
Características del código intermedio
Fácil de producir
Fácil de traducir al programa objeto
Facilitar la programación y manipulación
Se consigue que la optimización sea mas sencilla

Los códigos intermedios se suelen llamar código
de tres direcciones
Existen varios tipos o familias pero todas se
caracterizan porque las instrucciones constan de:
Código de operación
Tres direcciones
Dos para operandos
Una para el resultado

Podemos distinguir distintos grupos de código
intermedio
Cuartetos: Cada instrucción tiene cuatro partes:
Un código y tres direcciones
C D1 D2 D3

Tercetos: No aparece explícitamente la dirección
de almacenamiento del resultado, pero sí
implícitamente ya que se asocia con la dirección
del terceto
C D1 D2
C’ D1’ D2’

Tercetos indirectos: En estos la asignación
implícita del resultado se realiza mediante una
tabla
Tabla
C D1 D2 Direc 1
Direc 2
C’ D1’ D2’
Direc 3
Direc 4

Otro tipo de código intermedio sería la notación
polaca inversa
Notación polaca inversa (POSFIJA)
Para codificar expresiones aritméticas
Estructura: Op1 Op2 Operador
Ejemplo: A B +
La notación usual se llama INFIJA
Ejemplo: A + B

Optimización del código intermedio
Esta fase trata de mejorar el código intermedio,
de modo que resulte un código máquina mas
rápido de ejecutar
Las instrucciones se mejoran mediante varios
métodos fundamentales de optimización

Optimización de bucles
Si detecta un bucle lo analiza y saca las instrucciones
invariantes al mismo, realizándose sólo una vez
FOR I = 1..10
A(I) := A( I+1 ) * 20 * K
VAR := 20 * K
FOR I = 1..10
A(I) := A( I+1 ) * VAR

Optimización local
Son secuencias de instrucciones que se pueden
simplificar
A := A + 3
…
…
A := A + 8
A := A + 5
Se supone que A no varia entre las dos instrucciones

Optimización basada en estudios profundos
Denominado “flujo de datos”, donde se hace un
estudio sobre lo que influyen unas variables
sobre otras y simplificarlo
V := A * B
M := V + W
…
… Se le asigna otro valor,
V := 50 pues no va a utilizarla mas
(Aprovecha el espacio de la variable)

Se llama compilador optimizador al que hace
mucha optimización asignando una parte
significativa del compilador a esta fase

Generación del código objeto
Consiste en traducir el código intermedio a código
objeto, generalmente código ensamblador
Es la fase menos sistematizada ya que depende
de la máquina objeto
La traducción es fácil pero nos encontramos con
problemas de optimización donde se depende de
la máquina, e incluye dos aspectos

Generación de código objeto
Uso de registros
Pasar de variables a registros implica cambios en
relación a la velocidad de ejecución del programa
Uso de mirillas (PEEPHOLE)
Consiste en que para una máquina concreta existe un
repertorio particular de instrucciones que nos permiten
hacer mas rápido una secuencia de instrucciones
ADD B, 1
INR B La segunda es mas rápida

Manejo de la tabla de símbolos
Una función esencial del compilador es registrar
los identificadores del programa fuente
Variables, constantes, procedimientos, funciones, etc
y reunir información sobre los distintos atributos
de cada identificador
Variables: memoria asignada, tipo, ámbito, etc.
Procedimiento: número y tipo de parámetros, tipo
devuelto, método de paso de argumentos, etc.

Manejo de la tabla de símbolos
El análisis léxico introduce los identificadores en
la tabla de símbolos
El resto de etapas introduce los atributos de cada
identificador y después la utilizan de varias forma
La tabla de símbolos no es una estructura lineal
La tabla es dinámica y suele ser de tipo pila con
determinadas particularidades

Manejo de errores
Cada fase puede encontrar errores y debe
tratarlos de alguna forma
Un compilador debe recuperarse del error y
continuar la compilación
Debe informar de cual es el error mas probable y
su localización aproximada

Tema 1 - Compiladores

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 1 - Compiladores

Cargado por

Copyright:

Formatos disponibles

Analizadores

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Código máquina relocalizable

Código de máquina absoluto o ejecutable

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Al análisis se le suele llamar FRONT-END del

Fernando D. Lorenzo García

Análisis sintáctico Análisis

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Analizador léxico Subrutina

Analizador semántico Código

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Instrucc. 1 Instrucc. 2 Instrucc. 2

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Se supone que A no varia entre las dos instrucciones

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

Fernando D. Lorenzo García

También podría gustarte