Compilador Software que traduz o texto (linguagem

fonte) que representa um programa para código máquina(linguagem alvo) capaz de ser executado pelo computador

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.

Compilador A fase de análise normalmente se subdivide em:

análise léxica, análise sintática e análise semântica.

É possível representar completamente a sintaxe de uma Linguagem de Programação através de uma gramática livre 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.

Pré-processador

Analisador Léxico

Analisador Sintático

Analisador Semântico

Gerador de Código(intermediário)

Otimizador

Gerador de Código

front-end

back-end

final = (nota1 + nota2) / 2;

Analisador Léxico

Id1 = (Id2 + Id3) / 2

Analisador Sintático

=

Id1 /

+

Id2 Id3

2

Id1 final double ...Id2 nota1 double ...Id3 nota2 double ......

Tabela de Símbolos

=

Id1 /

+

Id2 Id3

intToDouble(2)

Analisador Semântico

temp1 = intToDouble(2)

temp2 = Id3 * temp1

temp3 = Id2 / temp2

Id1 = temp3

Gerador de Código(intermediário)

Id1 final double ...Id2 nota1 double ...Id3 nota2 double ......

Tabela de Símbolos

Otimizador de Código

MOVF ID3, R2

MULF #2.0, R2

MOVF ID2, R1

DIVF R2, R1

MOVF R1, ID1

Gerador de Código

Id1 final double ...Id2 nota1 double ...Id3 nota2 double ......

Tabela de Símbolos

Temp1 = id3 *2.0Id1 = id2 / temp1

Fases de um Compilador Gerenciamento da tabela de símbolos:

uma estrutura de dados contendo um registro para cada identificador, com os campos contendo os atributos do identificador.

Quando o analisador léxico detecta um identificador, instala-o na tabela de símbolos.

A estrutura de dados permite encontrar rapidamente cada registro e armazenar ou recuperar dados do mesmo.

Fases de um Compilador Um compilador não deve parar quando encontrar

algum erro e sim continuar para detectar todos. A análise léxica substituir a estrutura por tokens e

acrescenta na tabela de símbolos A análise sintática transforma um texto na entrada

em uma estrutura de dados, em geral uma árvore, o que é conveniente para processamento posterior e captura a hierarquia implícita desta entrada

A análise semântica verifica os erros semânticos, (por exemplo, uma multiplicação entre tipos de dados diferentes) no código fonte e coleta as informações necessárias para a próxima fase da compilação que é a geração de código objeto

Compilador simples de uma passagem Uma linguagem de programação pode ser

definida pela descrição da aparência de seus programas (a sintaxe da linguagem) e do que os mesmos significam (a semântica da linguagem)

Para especificar a sintaxe de uma linguagem, apresentamos uma notação amplamente aceita, chamada gramática livre de contexto ou BFN (Forma Backus-Naur)

Para especificar a semântica de uma linguagem usaremos descrições informais e exemplos sugestivos.

Gramáticas Uma linguagem consiste essencialmente de uma

seqüência de strings ou símbolos com regras para definir quais seqüências de símbolos são válidas na linguagem, ou seja, qual a sintaxe da linguagem.

A interpretação do significado de uma seqüência válida de símbolos corresponde à semântica da linguagem.

Existem meios formais para definir a sintaxe de uma linguagem - a definição semântica é um problema bem mais complexo.

A sintaxe de linguagens é expressa na forma de uma gramática, que será introduzida na seqüência.

Estrutura da vanguarda de um compilador

Analisador léxico

Tradutor dirigido

pela sintaxe

Fluxo de

tokensRepresentação intermediária

Fluxo de caracteres de entrada

Definição da Sintaxe Uma gramática descreve a estrutura

hierárquica de muitas construções das linguagens de programação.

O comando if tem a estrutura em C If (expressão) comando else comando

O comando é if, um parêntese à esquerda, uma expressão, um parêntese à direita, um comando, a palavra else e outro comando cmd -> if (expr) cmd else cmd

Gramáticas Um conjunto de regras de produção, é um

símbolo de partida. Uma regra de produção tem o formato , onde representa o nome da construção sintática e representa uma forma possível dessa construção:

<expressão> <expressão> + <expressão>

Definição da Sintaxe A regra é chamada de produção If e parênteses são tokens As variáveis expr e cmd são sequências de

tokens e não terminais

Elementos de uma gramática livre de contexto Conjunto de tokens (símbolos terminais) Conjunto não-terminais Conjunto de produções, onde a produção

consiste em um não-terminal, chamado de lado esquerdo da produção, uma seta e uma sequência de tokens e/ou não-terminais, chamado de lado direito da produção

Uma designação a um dos não terminais como símbolo de partida

Gramáticas<expr> <expr> + <expr>

| <expr> – <expr>| (<expr>)| <const>

<const> <const><const>| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 9

Derivação A verificar se uma frase faz parte da

linguagem gerada pela gramática, envolve sucessivas substituições da cadeia de símbolos que ocorre do lado esquerdo da produção pela sua construção sintática correspondente, partindo do símbolo inicial.

Essa substituição é chamada derivação sendo normalmente denotada pelo símbolo .

Derivação

(10 - 2) + 3

<expressão>

<expr> + <expr> (<expr>) + <expr> (<expr> - <expr>) + <expr> (<const> - <expr>) + <expr> (<const><const> - <expr>) + <expr> (1<const> - <expr>) + <expr> (10 - <expr>) + <expr> (10 - <const>) + <expr>...

Árvore Gramatical

<expr>

<expr> + <expr>

(<expr>) <const>

<expr> - <expr>

<const> <const>

10 2 3

(10 – 2) + 3

Gramática Ambíguas10 – 2 + 3

<expr> - <expr>

<expr>

<expr> + <expr>

10 2 3

<expr>

<expr> + <expr>

<expr> - <expr>

10 2 3

Precedência de Operadores Como saber quem precede entre * e +. Para tal criamos mais dois não terminais

Precedência de Operadores<expr> <expr> + <termo> | <expr> - <termo>

| <termo><termo> (<expr>)

| <const><expr> <expr> + <termo> <expr> - <termo> + <termo> <termo> - <termo> + <termo> 10 – 2 + 3

<expr>

<expr> + <termo>

<expr> - <termo>

10 2 3

Precedência de Operadores<expr> <expr> +

<termo> | <expr> - <termo>

| <termo><termo> <termo> *

<fator>| <termo> / <fator>| <fator>

<fator> (<expr>)| <const>

<expr> + <termo>

<termo> * <fator>

3 2 3

<expr>1 + 2 * 3

Gramática<expr> <expr> +

<termo> | <expr> - <termo>

| <termo><termo> <termo> *

<fator>| <termo> / <fator>| <fator>

<fator> (<expr>)| <const>

<termo>

<termo> * <fator>

<expr>1 + 2 * 3

Tradução Dirigida pela Sintaxe

Analisador Sintático

Analisador Léxico

Analisador Semântico

Tabela de Símbolos

...

Programa Fonte

Código Intermediário

Solicita tokentoken

Notação Posfixa (9-5)+2 => 95-2+ 9-(5+2) => 952+- Os parênteses são desnecessários na

notação posfixa porque a posição e a aridade (número de argumentos) dos operadores permitem somente um decodificação de uma expressão posfixa

Definição dirigida pela Sintaxe A definição dirigida pela sintaxe usa

gramática livre de contexto para especificar a estrutura sintática de entrada.

Cada símbolo da gramática associa um conjunto de atributos e cada produção associa um conjunto de regras semânticas para computar os valores dos atributos associados aos símbolos que figuram naquela produção.

Atributos Sintetizados O valor em um nó da árvore gramatical é

determinado a partir dos valores dos atributos dos filhos daquele nó.

Os atributos sintetizados possuem a desejável propriedade de que podem ser avaliados durante um único caminhamento bottom-up (final para início) da árvore gramatical

Análise Léxica O Analisador Léxico (scanner) examina o

programa fonte caractere por caractere agrupando-os em conjuntos com um significado coletivo (tokens): palavras chave (if, else, while, int, etc), operadores (+, -, *, /, ^, &&, etc), constantes (1, 1.0, ‘a’, 1.0f, etc), literais (“Projeto Mono”), símbolos de pontuação (; , {, }), labels.

Token Tokens, ou lexemas, é uma sequência de

caracteres que podem ser tratados como uma unidade na gramática de uma linguagem de programação

Análise Léxica Entrada: arquivo texto Saída: sequência de tokens Conta número de linhas Remove espaços em branco e comentários Apresenta símbolos ilegais Produz a tabela de símbolos

Por que análise léxica? Simplifica a análise sintática Simplifica a definição da linguagem Modularidade Reusabilidade Eficiência

Análise LéxicaconstanteInt digito digito*constanteDouble digito digito*. digito*

digito {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

X* Representa uma seqüência de zero ou mais X.

Autômatos Finitos Autômatos finitos, ou máquina de estados

finitos autômatos finitos determinísticos autômatos finitos não-determinísticos

Compiladores 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 Linguagens de Programação, 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.

Autômato Finito Determinístico Definição. Um autômato finito

determinístico é uma quíntupla M = (K, Σ, *, s, F), onde K é um conjunto finito de estados Σ é um alfabeto s € K é o estado inicial F está contido K é o conjunto de estados finais é a função de transição, K x Σ para K

Exemplo de um AFD Exemplo. Seja M o

autômato finito determinístico (K, Σ, *,

s, F), onde K = {q0, q1} Σ = {a,b} s = q0 F = K {q0}

q (q, )q0 a q0q0 b q1q1 a q1q1 a q0

Valido no AFD (q0, aabba) (q0, abba)

(q0, bba) (q1, ba) (q0, a) (q0 ,€)

TT

TT

T q (q, )q0 a q0q0 b q1q1 a q1q1 a q0

Portanto, (q0, aabba)é aceita por M

Autômato Finito Não-Determinístico Definição. Um autômato finito não-

determinístico é uma quíntupla M = (K, Σ, ), s, F), onde K é um conjunto finito de estados Σ é um alfabeto s € K é o estado inicial F está contido K é o conjunto de estados finais é a função de transição, K x (Σ c {,}) para K

Exemplo de um AFND Exemplo. Seja M o

autômato finito não-determinístico (K, Σ, ), s, F), onde

K = {q0, q1, q2, q3, q4}Σ = {a,b}s = q0 F = K {q4}

q (q, )q0 a q0q0 b q0q0 b q1q1 b q2q1 a q3q2 € q4q3 b q4q4 a q4q4 b q4

Entrada para um AFND (q0, bababab) (q1, ababab)

(q3 babab) (q4, abab) (q4, bab) (q4 ab) (q4, b) (q4, €)

TT

TT

TT

T

Portanto, (q0, bababab) é aceita por M

Análise SintáticaVerifica se as frases obedecem as regras

sintáticas da linguagem:

Por exemplo, uma expressão pode ser definida como:

expressão + expressãoexpressão – expressão(expressão)constante

GramáticasUm conjunto de regras de produção, é um

símbolo de partida. Uma regra de produção tem o formato , onde representa o nome da construção sintática e representa uma forma possível dessa construção:

<expressão> <expressão> + <expressão>

Gramáticas<expr> <expr> + <expr>

| <expr> – <expr>| (<expr>)| <const>

<const> <const><const>| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 9

Derivação A verificar se uma frase faz parte da

linguagem gerada pela gramática, envolve sucessivas substituições da cadeia de símbolos que ocorre do lado esquerdo da produção pela sua construção sintática correspondente, partindo do símbolo inicial.

Essa substituição é chamada derivação sendo normalmente denotada pelo símbolo .

Derivação

<expressão>

<expr> + <expr> (<expr>) + <expr> (<expr> - <expr>) + <expr> (<const> - <expr>) + <expr> (<const><const> - <expr>) + <expr> (1<const> - <expr>) + <expr> (10 - <expr>) + <expr> (10 - <const>) + <expr>... (10 - 2) + 3

Árvore Sintática

<expr>

<expr> + <expr>

(<expr>) <const>

<expr> - <expr>

<const> <const>

10 2 3

(10 – 2) + 3

Linguagens Regulares Gerada a partir de uma gramática regular. Pode ser representada através de uma expressão

regular. Pode ser reconhecida por um Autômato Finito. Considerando linguagens compostas por símbolos

0 e 1 podemos afirmar:a linguagem L01 ={0n1n| n 1} não é regular; a linguagem L01 ={0n1m | n 1, m 1} é regular;