Compilador - Estructura

La construccin de un compilador involucra la divisin del proceso en una serie de fases que variar con su complejidad. Generalmente estas fases se agrupan en dos tareas: el anlisis del programa fuente y la sntesis del programa objeto. Anlisis: Se trata de la comprobacin de la correccin del programa fuente, e incluye las fases correspondientes al Anlisis Lxico (que consiste en la descomposicin del programa fuente en componentes lxicos), Anlisis Sintctico (agrupacin de los componentes lxicos en frases gramaticales ) y Anlisis Semntico (comprobacin de la validez semntica de las sentencias aceptadas en la fase de Anlisis Sintctico). Sntesis: Su objetivo es la generacin de la salida expresada en el lenguaje objeto y suele estar formado por una o varias combinaciones de fases de Generacin de Cdigo (normalmente se trata de cdigo intermedio o de cdigo objeto) y de Optimizacin de Cdigo (en las que se busca obtener un cdigo lo ms eficiente posible). anlisis : en la que se analiza el programa fuente para dividirlo en componentes y extraer de algn modo el significado sntesis : en la que el significado obtenido se escribe en el lenguaje objeto

Alternativamente, las fases descritas para las tareas de anlisis y sntesis se pueden agrupar en Front-end y Back-end: Front-end: es la parte que analiza el cdigo fuente, comprueba su validez, genera el rbol de derivacin y rellena los valores de la tabla de smbolos. Esta parte suele ser independiente de la plataforma o sistema para el cual se vaya a compilar, y est compuesta por las fases comprendidas entre el Anlisis Lxico y la Generacin de Cdigo Intermedio. Back-end: es la parte que genera el cdigo mquina, especfico de una plataforma, a partir de los resultados de la fase de anlisis, realizada por el Front End. Esta divisin permite que el mismo Back End se utilice para generar el cdigo mquina de varios lenguajes de programacin distintos y que el mismo Front End que sirve para analizar el cdigo fuente de un lenguaje de programacin concreto sirva para generar cdigo mquina en varias plataformas distintas. Suele incluir la generacin y optimizacin del cdigo dependiente de la mquina. El cdigo que genera el Back End normalmente no se puede ejecutar directamente, sino que necesita ser enlazado por un programa enlazador (linker)Cuando se ha hablado de programas equivalentes en distintos lenguajes (fuente y objeto), nos referimos a tener el mismo significado (aunque no fijemos ahora exactamente el concepto signifi- cado). Por ello, la compilacin requiere dos grandes partes o tareas: An se repite una vez ms este esquema de traducciones intermedias en cada una de las partes: el anlisis suele dividirse en tres fases: anlisis lxico, anlisis sintctico y anlisis semntico; y la sntesis en otras tres: generacin de cdigo intermedio, optimizacin de cdigo y generacin de cdigo. Se consideran por lo tanto 6 fases en el proceso de compilacin, cada una de las cuales transforma la fuente de entrada, progresivamente, hasta conseguir el objeto final. 1 Por otra parte, cada una de las fases puede detectar errores, y debe informar adecuadamente de ellos. Consideraremos, por simplificar el esquema, un slo bloque de manipulacin de errores, que se usa desde cada fase, puesto que, adems, la informacin de los errores deber estar relacionada

con el lugar del texto en el que se encuentra, relacin que slo puede establecer la fase de anlisis lxico. La mayor parte de los errores se detecta en las dos primeras fases.

Adems, las diferentes fases crean y acceden a una estructura de datos llamada tabla de smbolos, en la que se anotan a lo largo de las fases variadas informaciones o atributos que es necesario intercambiar; por ejemplo, las variables, con sus nombres, tipos, mbito, posicin relativa de memoria en la generacin de cdigo, etc. Estos dos ltimos elementos, aunque no sean realmente fases del proceso, tienen suficiente entidad como para ser consideradas bloques de similar importancia. Anlisis A. lxico A. sintctico Gestor de errores A. semntico

fuente

Tablas de smbolos

G. cd. inter Optimizacin Gen. cdigo Sntesis

objeto

Fases de un compilador
Analizaremos algo ms las fases usando como ejemplo simple el fragmento de cdigo Pascal posicion := inicial + velocidad * 60 Anlisis lxico La cadena de entrada se recibe como una sucesin de caracteres. El anlisis lxico agrupa los caracteres en secuencias con significado colectivo y mnimo en el lenguaje, llamadas componentes lxicos (palabras o token), con ciertos atributos lxicos. En el ejemplo, se detectaran 7 : 1. el identificador posicion 2. el operador de asignacin := 3. el identificador inicial 4. el operador + 5. el identificador velocidad 6. el operador * 7. la constante numrica 60 Cada vez que se detecta un nuevo identificador, se anota una entrada en la tabla de smbolos. El lenguaje de entrada tendr un catlogo de componentes posibles, que se podrn codificar (por ejemplo mediante constantes enteras). Normalmente habr al componentes como los siguientes: 3

palabras reservadas: codificadas mediante las constantes BEGIN, END, IF, VAR . . . identificadores: codificadas mediante la constante ID, y caracterizadas por ser sucesiones de letras y dgitos que comiencen por una letra, que no pertenezcan al catlogo de palabras reservadas. Se distinguirn unas de otras a partir de ahora por su posicin en la tabla de smbolos (atributo lxico). operadores relacionales: codificados mediante la constante OPREL, que pueden ser uno de los siguientes: <=, <, >, >=, = <>. Para distinguirlos en fases posteriores se codificarn respectivamente con valores lxicos que sern otras constantes, que llamaremos MEI, MEN, MAY, MAI, IGU, DIF operadores aritmticos de un solo carcter: +, -, * . . . . Se codificarn con su propio cdigo de carcter (lo que forzar a que el resto de las constantes deban usar nmeros diferentes, pongamos superiores a 257) La salida del analizador lxico es, entonces, una sucesin de pares: el tipo de componente lxico de que se trata y cul de ellos es. Llamaremos componente lxico al primer elemento del par y valor lxico al segundo. Por lo tanto, la salida del analizador lxico para el ejemplo sera: <ID, 25> <OPASIGN,> <ID, 24> <+,> <ID, 26> <*,> <CTE, 60> mientras que la tabla de smbolos tendr entradas para los tres identificadores (que realmente se habrn detectado antes, al leer la seccin de declaracin de variables, momento en el que se habrn instalado) 1 ... 24 25 26 ... Anlisis sintctico Los componentes lxicos se agrupan para formar frases. El valor lxico de los componentes es en este momento irrelevante. Normalmente las frases se representan mediante una estructura de rbol sintctico, siguiendo reglas que describen el lenguaje. Las reglas determinarn en el caso del ejemplo un rbol como el siguiente, en el que se muestra que la expresin es en primera instancia una suma y no un producto, dadas las precedencias de los operadores implicados. ... inicial posicion velocidad ... ... ... ...

proposicin de asignacin ID 25 (posicion) := expresin expresin + expresin * expresin CTE (60)

ID 24 (inicial) expresin ID 26 (velocidad)

La divisin entre anlisis lxico y sintctico es algo arbitraria. Normalmente el criterio de divisin es la simplificacin de ambas tareas, dejando las construcciones anidadas (parntesis, operadores . . . ) para el anlisis sintctico que utilizar tcnicas algo ms complejas que el lxico, que suele limitarse a construcciones de tipo regular. Anlisis semntico En esta etapa se revisa el resultado del anlisis sintctico, recopilando por ejemplo informacin de tipos y construyendo una representacin an ms abstracta. En el ejemplo que estamos considerando, en esta fase se anotar el tipo de los identificadores cuando se revise la declaracin de variables (var inicial, posision, velocidad: real), de forma que la tabla de smbolos ahora contendr ms informacin: 1 ... 24 25 26 ... ... ... inicial posicion velocidad ... real real real ... ... ... ...

Por otra parte, puesto que la expresin 60 corresponde a un entero, ser necesario transformar su valor en real antes de realizar las operaciones (los algoritmos que operan con reales y enteros son distintos, dada la representacin interna de los datos). La salida del analizador semntico puede ser entonces un rbol de sintaxis abstracta, en el que, ms que la estructura sintctica de la entrada, aparece la estructura de operaciones a realizar, como el siguiente:

:= ID 25 (posicion) ID 24 (inicial) ID 26 (velocidad) + * InToReal 60

Generacin de cdigo intermedio Se genera en esta fase un cdigo intermedio para una mquina abstracta, y es posible que explcitamente . Esta representacin debe ser fcil de producir y fcil de traducir al programa objeto. Puede tener diversas formas. Una posible es la llamada cdigo de tres direcciones, que consiste en una secuencia de intrucciones, cada una de las cuales involucra a lo sumo un operador (unario o binario), adems de la asignacin tres direcciones a lo sumo (las de los operandos y la del resultado)

Adems, deber generar nombres temporales para almacenar los resultados intermedios. Para el ejemplo, la salida de esta fase podra ser: temp1 := InToReal(60) temp2 := id26 * temp1 temp3 := id24 + temp2 := temp3 id25 Optimacin de cdigo Se trata en esta fase de mejorar el cdigo, en el sentido de reducir la cantidad de resursos (tiempo y memoria) necesarios. Algunas optimaciones son triviales, como por ejemplo hacer algunas transformaciones directamente en la compilacin, en lugar de dejarlo para la ejecucin (sustituir InToReal(60) por 60.0). Otras pueden requerir un trabajo mucho mayor, pero mejorar significativamente la eficiencia, normalmente a costa de alejarse bastante del cdigo original, como eliminar cdigo inactivo (inaccesible), eliminar vaiables intermedias o resituar sentencias independientes de un bucle fuera de ste. Muchos compiladores permiten elegir la cantidad de optimacin a realizar o no hacerla. Para el ejemplo, una mejora sencilla lo convertira en: temp1 := id26 * 60.0 id25 := id24 + temp2 Generacin de cdigo En esta fase final se genera por fin el cdigo objeto, normalmente cdigo mquina relocalizable o ensamblador. Se seleccionan entonces posiciones de memoria relativas o registros para las variables y cada sentencia del cdigo intermedio se traduce a una secuencia de instrucciones que ejecutan la tarea. Por ejemplo: MOVF 0068, R2 MULF #60.0, R2 MOVF 0060, R1 ADDF R2, R1 MOVF R1, 0064 suponiendo que en la asignacin de posicin relativa de las variables se hubieran asociado 60H, 64H y 68H a las variables que en la tabla de smbolos ocupan las entradas 24, 25 y 26 respectivamente (valores que se habrn anotado tambin en las casillas correspondientes de la tabla de smbolos).