Download - Revisão Compiladores – AP1
1
Revisão Compiladores – AP1
Prof. Alexandre Monteiro
Baseado em material cedido pelo Prof. Euclides Arcoverde
Recife
Contatos
Prof. Guilherme Alexandre Monteiro Reinaldo
Apelido: Alexandre Cordel
E-mail/gtalk: [email protected]
Site: http://www.alexandrecordel.com.br/fbv
Celular: (81) 9801-1878
3
Objetivo
O principal objetivo é responder à seguinte pergunta:
• Como criar uma linguagem computacional?
Para responder a pergunta, estudaremos:
• Como especificar uma linguagem• Como construir um compilador para ela
História das Linguagens
5
História das Linguagens Começaram a surgir outras linguagens
mais elaboradas• Fortran (1957)• LISP (1959)• COBOL (1960)• BASIC (1964)• C (1972)• etc.
Linguagens de Alto Nível
7
Linguagens de Alto Nível
O nome “alto nível” tem o sentido de “alto nível de abstração”, pois essas linguagens abstraem detalhes operacionais pouco relevantes• Assim, o programador pode (tenta) focar só no
algoritmo
Veremos agora dois exemplos para comparar as linguagens de nível alto e baixo
8
Exemplo em Baixo Nível
Programa Hello World em assembly x86
DOSSEG.MODEL SMALL.DATA Msg db "Hello World.",13,10,"$".CODEStart: mov AX, @DATA mov DS, AX lea DX, Msg mov AH, 9 int 21h mov ah, 4ch int 21hEND Start
9
Exemplo em Alto Nível
Programa Hello World em C
#include <stdio.h>
int main() { printf(“Hello World”); return 0;}
10
Linguagens de Baixo Nível
Características gerais
• Dependentes de arquitetura
• Oferecem instruções primitivas simples (operações sobre o hardware)
• Programas extensos e pouco legíveis
• Visam oferecer mais controle sobre o hardware
11
Linguagens de Alto Nível
Características gerais• Especificadas independentemente de
qualquer arquitetura
• Oferecem comandos mais intuitivos- Dizem mais “o que” deve ser feito do que
“como” deve ser feito
• Mais fácil de programar e de ler códigos prontos
• Restringem o uso do hardware para evitar bugs- Controle da alocação de memória em Java
Introdução a Compiladores
13
Compilação x Interpretação
Compilação
Interpretação
compilaçãocódigofonte
códigode
máquina
execuçãoresultados
interpretaçãocódigofonte resultados
14
O que é um Compilador?
Um compilador é um programa que lê um programa escrito em uma linguagem (linguagem fonte) e a traduz em um programa equivalente em outra linguagem (linguagem alvo). Aho, Sethi, Ullman.
CompiladorProgramaFonte
ProgramaObjeto
15
O que é um Compilador?
Nesse processo de tradução, há duas tarefas básicas a serem executadas por um compilador:• análise, em que o texto de entrada (na
linguagem fonte) é examinado, verificado e compreendido
• síntese, ou geração de código, em que o texto de saída (na linguagem objeto) é gerado, de forma a corresponder ao texto de entrada
16
O que é um Compilador?
A fase de análise normalmente se subdivide em análise léxica, análise sintática e análise semântica
É possível representar completamente a sintaxe de uma LP através de uma gramática sensível ao contexto
Mas como não existem algoritmos práticos para tratar essas gramáticas, a preferência recai em usar gramáticas livres de contexto
Deixa-se para a análise semântica a verificação de todos os aspectos da linguagens que não se consegue exprimir de forma simples usando gramáticas livres de contexto
17
O que é um Compilador? A implementação de reconhecedores de
linguagens regulares (autômatos finitos) é mais simples e mais eficiente do que a implementação de reconhecedores de linguagens livres de contexto (autômatos de pilha)
Nesse caso, é possível usar expressões regulares para descrever a estrutura de componentes básicos das LP, tais como identificadores, palavras reservadas, literais numéricos, operadores e delimitadores, etc.
Essa parte da tarefa de análise (análise léxica) é implementada separadamente, pela simulação de autômatos finitos
18
O que é um Compilador?
Um dos modelos possíveis para a construção de compiladores faz a separação total entre o front-end, encarregado da fase de análise, e o back-end, encarregado da geração de código, de forma que:• O front-end e back-end se comunicam apenas
através de uma representação intermediária• O front-end depende exclusivamente da linguagem
fonte• O back-end depende exclusivamente da linguagem
objeto
19
Etapas da Compilação
Front-End(Análise)
Back-End(Síntese)
Análise Léxica
Análise Sintática
Analise Semântica
Geração de CódigoIntermediário
Geração de CódigoFinal
20
O que é um Compilador?
Um compilador típico consiste de algumas fases onde cada uma passa sua saída para as fases seguintes
As principais fases são:• análise léxica (ou scanner)• análise sintática (ou parser)• análise semântica• otimização• gerador de código• otimização (novamente!)
21
Fases da Compilação
Programa Fonte
Analisador Léxico
Analisador Sintático eSemântico
Gerador de CódigoIntermediário
Otimizador de Código
Gerador de código
Manipulador de erros
Tabela deSímbolos
Programa Objeto
22
Análise Léxica Também chamada de scanner Agrupa caracteres em símbolos (ou tokens)
• Token: <nome-token, valor-atributo>
Entrada: fluxo de caracteres Saída: fluxo de símbolos Símbolos são:
• Palavras reservadas, identificadores de variáveis e procedimentos, operadores, pontuação, etc.
Expressões regulares usadas para reconhecimento
Scanner é implementado como uma MEF (Método dos Elementos Finitos)
Lex/Flex (J) são ferramentas para gerar scanners
23
Análise Léxica Por exemplo, os caracteres na instrução
de atribuiçãoposition = initial + rate * 60
seriam agrupados nos seguintes tokens:• O identificador position• O símbolo de atribuição =• O identificador initial• O símbolo de adição +• O identificador rate• O símbolo de multiplicação *• O número 60
<id, 1> <=> <id, 2> <+> <id, 3> <*> <60>
24
Análise Sintática
Também chamada de parser Agrupa símbolos em unidades sintáticas
• Ex.: os 3 símbolos A+B podem ser agrupados em uma estrutura chamada de expressão
Expressões depois podem ser agrupados para formar comandos ou outras unidades
Saída: representação de árvore sintática do programa
Gramática livre de contexto é usada para definir a estrutura do programa reconhecida por um parser
Yacc/Bison (J) são ferramentas para gerar parsers
25
Análise Sintática Regras sintáticas (1)
• Qualquer identificador é uma expressão• Qualquer número é uma expressão• Se expressão1 e expressão2 são expressões,
então também são expressões- expressão1 + expressão2
- expressão1 * expressão2
- ( expressão1 )
26
Análise Sintática Regras sintáticas (2)
• Se identificador1 é um identificador e expressão2 é uma expressão, então identificador1 = expressão2
é um comando (statement)• Se expressão1 é uma expressão e statement2
é um comando (statement), então while ( expressão1 ) { statement2 }if ( expressão1 ) { statement2 }
são comandos (statements)
27
Análise Sintática
position = initial + rate * 60
initial
rate
*
+
=
position
60
comando de atribuição
identificador expressão
expressão expressão
expressãoidentificador
identificador
expressão
número
28
Gerador de Código Intermediário Usa as estruturas produzidas pelo
analisador sintático e verificadas pelo analisador semântico para criar uma sequência de instruções simples (código intermediário)
Está entre a linguagem de alto nível e a linguagem de baixo nível
29
Gerador de Código Intermediário Considere que temos um único
registrador acumulador Considere o comando de atribuição
x := a + b * c
pode ser traduzido em:t1 := b * ct2 := a + t1x := t2
Pode-se fazer um gerador de código relativamente simples usando regras como:
30
Gerador de Código Intermediário
31
Gerador de Código Intermediário O comando de atribuição
x := a + b * c Gera o códigoLoad b { t1 := b * c }
Mult c
Store t1
Load a { t2 := a + t1 }
Add t1
Store t2
Load t2 { x := t2 }
Store x
32
Otimizador de Código
Independente da máquina Melhora o código intermediário de modo
que o programa objeto seja menor (ocupe menos espaço de memória) e/ou mais rápido (tenha tempo de execução menor)
A saída do otimizador de código é um novo código intermediário
33
Otimizador de Código
Otimizador por sub-expressões comuns
34
Gerador de Código
Produz o código objeto final Toma decisões com relação à:
• Alocação de espaço para os dados do programa;
• Seleção da forma de acessá-los• Definição de quais registradores serão usados,
etc.
Projetar um gerador de código que produza programas objeto eficientes é uma das tarefas mais difíceis no projeto de um compilador
35
Gerador de Código
Várias considerações têm que ser feitas:• Há vários tipos de instruções correspondendo
a vários tipos de dados e a vários modos de endereçamento
• Há instruções de soma específicas, por exemplo para incrementar/decrementar de 1
• Algumas somas não foram especificadas explicitamente
- Cálculo de endereço de posições em vetores• Incremento/decremento registrador de topo
pilha• Local onde armazenar variáveis• Alocação de registradores
36
Gerador de Código
temp1 = id3 * 60.0id1 = id2 + temp1
MOVF id3, R2MULF #60.0, R2MOVF id2, R1ADDF R2, R1MOVF R1, id1
37
Tabela de Símbolos
É uma estrutura de dados usada para guardar informações a respeito de todos os nomes usados pelo programa e registrar informações importantes associadas a cada um, tais como seu tipo (inteiro, real, etc.), tamanho, escopo, etc.
38
Manipulador de Erros
É ativado sempre que for detectado um erro no programa fonte
Deve avisar o programador da ocorrência do erro emitindo uma mensagem, e ajustar-se novamente à informação sendo passada de fase a fase de modo a poder completar o processo de compilação• Mesmo que não seja mais possível gerar
código objeto, a análise léxica e sintática deve prosseguir até o fim
39
Bibliografia
AHO, A., LAM, M. S., SETHI, R., ULLMAN, J. D., Compiladores: princípios, técnicas e ferramentas. Ed. Addison Wesley. 2a Edição, 2008 (Capítulo 1)
40
Adiantando...
Lexema: sequência de caracteres com significado interligado
Token: classificação dada ao lexema• Geralmente retornado junto com o próprio
lexema ou outro atributo, como um ponteiro
Padrão: é uma descrição da forma que os lexemas de um token podem tomar.
•Ex. sequência de caracteres que formam palavra-chave como um token.
41
Exemplos
42
Especificando Tokens
Geralmente são especificados com expressões regulares
Cada token é associado a uma expressão regular que representa seus lexemas válidos
• Padrão que representa várias palavras (dizemos que as palavras “casam” com o padrão)
43
Especificando Tokens
Expressões Regulares• Formalismo utilizado para definir o conjunto de
aceitação de uma linguagem• Principais operadores utilizados pelas ERs
Expressão Reconhece
ε A cadeia de caractedes vazia “”
“str” A string “str”
A | B Todas as cadeias reconhecidas por A ou B
A . B Cadeias formadas pela concatenação das cadeias reconhecidas por A e B
A+ Reconhece cadeias formadas pela concatenação de um número finito de cadeias reconhecidas por A
44
Especificando Tokens
Operadores derivados
Expressão Equivale a
( A ) Agrupamento de operadores
A* A+ | ε
A? A | ε
[A-Z] A | B | ... | Y | Z
A{N} A . A . A ... } N vezes
A{M,N} A . A . A ... } entre M e N vezes
AB A . B
abc String “abc”
45
Especificando Tokens
Exercícios
• Defina expressões para expressar:- Número IP: \d{3}.\d{3} .\d{3} .\d{3}- Números naturais (e inteiros): \d{n} ou [0-9]{n}- Números de telefone (com DDD opcional): \([0-9]{2}\).[0-9]{4}.
[0-9]{4}- Horas: [012]\d:[0-5]\d- E-mails: [a-zA-Z0-9\._-]@[A-Za-z]+\\.[A-Za-z]+- Placa de Carro: [A-Z]{3}-\d{4}- CEP: \d{5}-\d{3} ou \d\d\d\d\d- URLs:
- Com http - (http|https)://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?
- Sem http - ([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?
46
Análise Sintática
Alguns autores consideram que a análise sintática envolve tudo que diz respeito à verificação do formato do código fonte
• Inclui a análise léxica como subfase
• Visão mais coerente, porém o livro texto que usamos tem outra visão...
47
Análise Sintática
Entenderemos análise sintática como sendo apenas a segunda fase dessa verificação de formato:
• “É a fase que analisa os tokens para descobrir a estrutura gramatical do código fonte”
• Também chamada “Reconhecimento” (Parsing)
• Porém, um nome melhor seria “Análise Gramatical”
48
Gramáticas
São usadas para organizar os tokens em “frases” de sentido lógico
Definem regras de formação recursivas
expressão → CTE_INT
| ID
| expressão + expressão
49
Gramáticas
As gramáticas livres de contexto possuem quatro elementos:
• Símbolos terminais• Símbolos não-terminais • Símbolo inicial• Produções! ou Regras de Produção!
50
Gramáticas
Elementos das gramáticas livres de contexto:
• Símbolos terminais: - Símbolos assumidos como atômicos, indivisíveis- Em compiladores, são os tokens (int, +, -, /, identificador,
valores literais, etc)
• Símbolos não-terminais: - Usados para organizar os tokens em “frases”- Representam elementos abstratos do programa (expressões,
termos, etc)
51
Gramáticas
Elementos das gramáticas livres de contexto:
• Símbolo inicial: - Não-terminal a partir do qual são derivadas
“cadeias” de símbolos terminais- Geralmente é um não-terminal chamado programa
• Produções: - São as regras de formação - Definem as “frases” de terminais válidas na
linguagem
52
Derivação
Seja a gramática BNF anterior• Derivar a cadeia “i+i+x”
• Consideremos que esta é uma derivação mais à esquerda
<expressao>Þ <termo> + <expressao>Þ i + <expressao>Þ i + <termo> + <expressao>Þ i + i + <expressao>Þ i + i + <termo>Þ i + i + x
53
Derivação
Seja a gramática BNF mostrada antes
• Agora a Derivação mais à direita da cadeia “i+i+x”
<expressao>Þ <termo> + <expressao> Þ <termo> + <termo> + <expressao>Þ <termo> + <termo> + <termo>Þ <termo> + <termo> + xÞ <termo> + i + xÞ i + i + x
54
Derivação
O processo de derivação consiste em substituir cada ocorrência de um não-terminal pelo lado direito (corpo) de alguma de suas produções• Derivação mais à esquerda: substituir sempre
o não-terminal mais à esquerda• Derivação mais à direita: análogo
A derivação pára quando sobrarem apenas terminais e o resultado é a cadeia
55
Árvore de Derivação
A árvore dos exemplos anteriores
expressao
expressao
i
+
i
+
x
termo
termo expressao
a cadeia gerada pode ser percebida nas folhas, analisando-as da esquerda para a
direita
termo
56
Árvore de Derivação
A mesma árvore reorganizada
expressao
expressao
i + i + x
termo
termo expressao
a seqüência de terminais (cadeia) gerada
termo
57
Gramáticas Ambíguas
Uma gramática é dita ambígua se ela puder gerar duas árvores de derivação distintas para uma mesma cadeia
Veremos uma gramática equivalente à anterior, porém ambígua...
58
Gramáticas Ambíguas
Exemplo
• Mostrar duas árvores de derivação para “i+i+x”
<expressao> ::= <expressao> "+" <expressao> | "x" | "i"
59
Gramáticas Ambíguas
Gramáticas ambíguas são, em geral, inadequadas para uso em compiladores
• Dificultam a construção do analisador sintático
Em alguns casos, são usadas gramáticas ambíguas junto com restrições adicionais
• Exemplo: precedência e associatividade
60
Tratando Ambiguidades
A seguinte de definição de comando apresenta ambigüidade
Exemplo: “if (x) if (x) outro else outro”
• A qual “if” está ligado o “else”?
cmd ::= if ( expr ) cmd else cmd | if ( expr ) cmd | outro
expr ::= x
61
Tratando Ambiguidades
Solução
cmd ::= matched-cmd | open-cmd
matched-cmd ::= | if ( expr ) matched-cmd else matched-cmd | outro
open-cmd ::= | if ( expr ) cmd | if ( expr ) matched-cmd else open-cmd
62
Análise de Descida Recursiva
É uma análise sintática top-down ou descendente
É um parser LL(1)• Left-to-right – a ordem de leitura dos tokens é
da esquerda para a direita
• Leftmost derivation – segue a ordem típica de uma derivação mais à esquerda
• Só olha 1 token por vez
63
Análise de Descida Recursiva
É útil para construir parsers manualmente, por ser fácil de implementar
Princípio Básico• Se eu quero produzir um não-terminal e sei qual o
terminal corrente eu devo saber que regra deve ser aplicada.
Porém, requer uma gramática muito bem ajustada
• Veremos os ajustes necessários
Mostraremos como usar a técnica, assumindo que o parser final será uma classe Java
64
Exemplo de Reconhecedor Gramática:Terminais = {a,b,c}
Não-terminais = {S, X}
Produções = {
S a X b
S b X a
S c
X b X
X a
}
Não-terminal inicial = S
a b c
S a X b
b X a c
X a b X Error
65
Conjunto FIRST
FIRST(α)
• Aplicado a cadeias α quaisquer
É o conjunto de terminais que podem iniciar a cadeia α dada
• Se a cadeia derivar vazio, também inclui ε
Como calcular?
66
Conjunto FIRST
Se α for a cadeia vazia (α = ε)
• FIRST(ε) = { ε }
Se for um terminal a qualquer
• FIRST(a) = { a }
Se for um não-terminal N com as produções N → α | β
• FIRST(N) = FIRST(α) FIRST(β)
67
Conjunto FIRST
Se for uma cadeia de símbolos α = X1X2...Xk • Depende de X1
Se X1 não pode gerar vazio• FIRST (X1X2...Xk) = FIRST(X1)
Se X1 pode gerar vazio• FIRST (X1X2...Xk) = FIRST(X1) FIRST(X2...Xk)• Calcula para X1 e continua o cálculo
recursivamente para o restante da cadeia
68
Múltiplas Produções
Calculando o FIRST para as duas produções de comando ...
• comando ::= atribuição | declaração
FIRST(atribuição) = FIRST(IDENTIFICADOR = <expressao> ;) = { IDENTIFICADOR }
FIRST(declaração) = FIRST(tipo IDENTIFICADOR ;) = FIRST(tipo) = { int , char, float }
69
Eliminação de Fatoração
Direta:X a b cX a d e
Sem fatoração:X a YY b cY d e
IndiretaX a bX Y cY a d
Elimina-se a indireção:X a bX a d cY a d
Sem fatoração:X a ZY a dZ bZ d c