Universidade Católica de Pelotas Bacharelado em Ciência da Computação Linguagens Formais e Autômatos TEXTO 6 Introdução à Compilação

Transcrição

1 Universidade Católica de Pelotas Bacharelado em Ciência da Computação Linguagens Formais e Autômatos TEXTO 6 Introdução à Compilação Prof. Luiz A M Palazzo Maio de 2011 Um COMPILADOR é um programa que lê um programa escrito numa linguagem - a linguagem fonte - e o traduz num programa eqüivalente numa outra linguagem - a linguagem objeto, relatando ao usuário a presença de erros no programa fonte. Esquematicamente: Existem duas partes na compilação: A ANÁLISE E A SÍNTESE. ANÁLISE: Divide o programa fonte nas partes constituintes e cria uma representação intermediária. SÍNTESE: Constrói o programa objeto desejado, a partir da representação intermediária. Durante a análise, as operações implicadas pelo programa fonte são determinadas e registradas numa estrutura hierárquica, chamada de árvore. (Ex. Árvore Sintática).

2 Ferramentas que manipulam programas fontes: EDITORES DE ESTRUTURAS - Recebe como entrada um conjunto de comandos para construir um programa fonte. PRETTY PRINTERS - Analisa um programa e o imprime numa forma em que a sua estrutura se torne claramente visível. VERIFICADORES ESTÁTICOS - Lê um programa, analisa-o e tenta descobrir erros potenciais, sem executá-lo. INTERPRETADORES - Em lugar de produzir um programa objeto como resultado da tradução, um interpretador realiza as operações especificadas pelo programa fonte. O contexto de um compilador:

3 FASES DE UM COMPILADOR (MODELO ANÁLISE-SÍNTESE) Análise Léxica Nesta fase o arquivo de entrada é varrido caractere a caractere. Símbolos especiais (espaço em branco, símbolos de pontuação e new line) são utilizados para estabelecer os limites das palavras. Eliminação de espaços em branco e comentários. Durante a análise léxica, as palavras ou lexemas são guardados na tabela de símbolos e classificados de acordo com a linguagem, em palavras reservadas, comandos, variáveis e tipos básicos. Identificação de erros léxicos ("overflow" de campo numérico, uso de símbolos não pertencentes ao alfabeto da linguagem).

4 Análise Sintática É responsável pela verificação da bem formação dos comandos da linguagem, de acordo com as regras especificadas pela gramática da linguagem. Sentenças mal formadas, geralmente, interrompem o processo de compilação e são apresentadas como mensagens de erro. No fim da análise sintática, temos a representação do programa original de forma hierárquica, onde o programa é representado por uma árvore sintática. Uma árvore sintática é uma representação compactada de uma árvore PARSE na qual os operadores aparecem como nós interiores e os operandos de um operador são os filhos do nó daquele operador. Os erros de sintaxe são mais freqüentes que os erros léxicos. Identificação e recuperação de erros de sintaxe. Construções léxicas não requerem recursão, enquanto as sintáticas sim. As gramáticas livres de contexto são uma formalização de regras recursivas que podem ser usadas para guiar a análise sintática. Análise Semântica A análise semântica mais comum consiste na verificação da consistência de tipos dos operandos envolvidos em operações aritméticas ou dos parâmetros passados a procedimentos. O código intermediário deve ser fácil de produzir e fácil de traduzir no programa objeto. Geração do Código Intermadiário O gerador de código intermediário será acionado quando o programa for analisado léxica, sintática e semanticamente, e estiver correto do ponto de vista das três análises citadas. Neste ponto do projeto, finda-se a parte de análise e entramos no processo de síntese. Para essa geração, deve-se percorrer a árvore em profundidade (depth first), para que o código seja gerado das folhas para os nós. A geração de código se dá através do uso de quádruplas, ou seja, quatro campos que já deixam o código numa linguagem bem acessível para a posterior

5 tradução para código de máquina. Os quatro campos são: Operador, Operando 1, Operando 2 e Resultado. Além disso, temos um quinto campo, que guarda a linha da quádrupla, a qual será útil para endereços que necessitem de resolução mais adiante no processo (endereços não resolvidos). Por exemplo, x:=(a+c)*(d-10); nos daria a seguinte tabela de código intermediário:. Quando temos que trabalhar com expressões aritméticas ou booleanas, devem ser usadas variáveis temporárias, para guardarem resultados de cálculos intermediários. Também vale ressaltar que para as construções if e while devemos manter saltos (ou jumps GOTO), para que determinados trechos de código possam ser evitados na hora da execução. Ainda no caso do while, deve-se ter um salto para o teste da condição de repetição, que está numa linha mais anterior, caracterizando assim o loop dessa estrutura. Na próxima tabela, pode-se ver o resultado da geração de código intermediário para o exemplo de programa dado, com todos os aspectos acima citados:

6 Tratamento de Erros Tipos de erros: léxicos, sintáticos, semânticos e lógicos. Os erros sintáticos são os mais freqüentes. Estratégias de recuperação de erros: 1) PANIC MODE - O compilador descarta símbolos de entrada até encontrar um token de sincronização( ";" ou "end"). 2) PHASE LEVEL - O compilador tenta corrigir o erro encontrado, sem alterar o código fonte. (colocar um ";" onde não tem ou trocar ":" por ";"). 3) PRODUÇÃO DE ERRO - Pode ser usado quando sabe-se, de antemão, quais são os erros mais prováveis de acontecer; acrescenta-se à gramática, algumas produções que usam as construções erradas. 4) CORREÇÃO GLOBAL - Tenta calcular a seqüência mínima de mudanças para a correção de um erro. Essa estratégia tem apenas interesse teórico. Gerenciamento da Tabela de Símbolos Uma função essencial do compilador é registrar os identificadores usados no programa fonte e coletar as informações sobre os seus diversos atributos de um identificador, tais como: memória alocada, tipo, escopo). Uma tabela de símbolos é uma estrutura de dados contendo um registro para cada identificador, com os campos contendo os atributos do identificador. Geração do Código Objeto. O gerador de código objeto é a última parte de um compilador, como vemos na figura abaixo. No entanto, muitas vezes ainda existe mais uma etapa, que é a otimização de código, tanto intermediário, quanto objeto. Para não adicionarmos complexidade ao nosso trabalho, não implementamos um otimizador.

7 . A tarefa central desse gerador de código é transformar uma especificação de código intermediário vinda da etapa anterior para uma especificação de código assembly, para poder ser executado num PC.. Como vimos, um gerador de código intermediário disponibiliza um conjunto de quádruplas, com as informações de label, operador, operandos e resultado.. As quádruplas são geradas sempre no mesmo formato, ou seja, uma quádrupla: + x y _temp1 sempre fará a soma de x com y e guardará esse resultado em _temp1. Sendo assim, podemos estabelecer um conjunto de mnemônicos aceitos pela linguagem assembly, que representam cada tipo de quádrupla do código intermediário. Os conjuntos de mnemônicos, bem como a quem se referem, são mostrados abaixo:

8 (*) - Na operação de divisão, o operador IDIV realiza a divisão de um valor em 32 bits por outro em 16 bits. Por isso, temos que efetuar uma multiplicação antes da divisão, para que o resultado armazenado no registrador AX seja de 32 bits.. Alguns mnemônicos não fazem parte do assembler, mas são macros e rotinas construídas a parte. As mesmas foram retiradas de dois arquivos: macros.bib, impress.bib e macrdk.bib (esta criada por Adriane Cardozo e Kelvin Reinhardt).. Além deste passo, temos que colocar um cabeçalho constante antes do código, para incluírmos as bibliotecas, instanciarmos segmentos, etc. No final do código, temos também que declarar as variáveis utilizadas, sendo que podem ser de três tipos: BYTE (DB), que ocupa 8 bits, WORD (DW), que ocupa 16 bits e DWORD (DD), que ocupa 32 bits. Em nossos programas, somente utilizamos os dois primeiros.. Depois de formarmos esse arquivo contendo o código objeto (.ASM), devemos submetê-lo à ação de um assembler (montador), que transformará o mesmo em um arquivo legível para a ligação (link), cuja extensão é.obj. Para a tarefa de montagem, utilizamos o TASM (Turbo Assembler) e para a ligação, o TLINK (Turbo Linker), ambos da Borland International. O TLINK já converte automaticamente o arquivo.obj em um arquivo.com. Obedecidas essas fases, o arquivo executável está pronto para ser rodado. Para maiores informações sobre montadores e ligadores, consulte [SANT90]. Geração do Módulo Executável. Compilação é o processo de tradução de um programa escrito em linguagem de alto nível para código em linguagem de máquina. Compilação é um processo análogo ao da montagem (verificação / análise do código fonte, resolução das referências de memória, reserva de espaço em memória e conversão para código de máquina binário). O que diferencia a compilação do processo de montagem é sua maior complexidade. No processo de montagem, há uma relação de 1:1, ou seja, cada instrução do código fonte resulta em uma instrução de máquina, enquanto na compilação a relação é múltipla, cada instrução do código fonte gerando várias instruções de máquina.. Durante a compilação, o código fonte é analisado (análise léxica, sintática e semântica), é gerado um código intermediário e são construídas tabelas de símbolos, alocam-se as áreas de memória para variáveis e atribui-se os registradores a serem utilizados, e é finalmente gerado o código objeto em linguagem binária de máquina. Em alguns compiladores, é gerado um código intermediário em Assembly (que pode ser visualizado pelo programador) e que em seguida passa pelo montador para gerar finalmente o código objeto em linguagem de máquina.. O código objeto pode ser absoluto (os endereços constantes são endereços reais de memória) ou relocável (os endereços são relativos, tendo como referência o início do programa, e os endereços reais de memória são definidos apenas em tempo de execução).

9 Edição de Ligações. Assim, o código objeto preparado pelo compilador em geral não é imediatamente executável, pois ainda existe código (as rotinas de biblioteca) a ser incorporado ao programa. A cada chamada de biblioteca encontrada no código fonte, o compilador precisará incluir uma chamada para a rotina e o endereço dos dados que devam ser passados para a rotina.. A tarefa de examinar o código objeto, procurar as referências a rotinas de biblioteca (que constituem referências externas não resolvidas), buscar a rotina da biblioteca, substituir a chamada pelo código ("resolver as referências externas") e obter os parâmetros para incluí-los no código objeto é executada por um programa chamado Ligador (LinkEditor). O resultado da execução do Ligador é o código final pronto para ser executado pelo computador, chamado módulo de carga ou código executável.. O módulo de carga, após testado e depurado (isto é, depois de resolvidos todos os erros, também chamados "bugs") é armazenado em memória de massa para ser executado quando necessário. O processo de compilação e ligação é executado apenas pelo programador na fase de desenvolvimento e não mais precisará ser executado pelo usuário, quando da execução do programa.