Tema 3 Introduccin al anlisis o a sintctico a

Bibliograf a: Aho, A.V., Sethi, R., Ullman, J.D. (1990), Compiladores: principios, tcnicas y herramientas, Tema 4, pg.: 163-186. e a Louden, K.C. (1997), Compiler Construction: Principles and Practice, Tema 3, pginas: 93-140. a Contenidos: 1. El proceso de anlisis sintctico. a a 2. Especicacin sintctica de los lenguajes de programacin: o a o a a) Gramticas independientes del contexto versus expresiones regulares. b) Gramticas independientes del contexto versus gramticas a a dependientes del contexto. 3. Derivaciones y rboles sintcticos. a a 4. Gramticas limpias y bien formadas. a u a 5. El problema de la ambigedad en las gramticas. Eliminacin: o a) Mediante reglas de precedencia. b) Mediante transformacin. o o e a a 6. Clasicacin de los mtodos de anlisis sintctico.
71

72

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO

3.1.

El proceso de anlisis sintctico a a

Funciones del analizador sintctico: a Comprobar si la cadena de componentes lxicos proporcionae da por el analizador lxico puede ser generada por la gramtica e a que dene el lenguaje fuente (Gramtica Independiente del a Contexto, GIC). Construir el rbol de anlisis sintctico que dene la estruca a a tura jerrquica de un programa y obtener la serie de derivaa ciones para generar la cadena de componentes lxicos. El e rbol sintctico se utilizar como representacin intermedia a a a o en la generacin de cdigo. o o Informar de los errores sintcticos de forma precisa y siga nicativa y deber estar dotado de un mecanismo de recua peracin de errores para continuar con el anlisis. o a
gram. indep. contexto

programa fuente

analizador lxico

componente lxico

analizador sintctico

analizador
rbol semntico anlisis sintctico

obtn siguiente componente lxico

gestor errores

tabla de smbolos

El anlisis sintctico se puede considerar como una funcin que a a o toma como entrada la secuencia de componentes lxicos producie da por el anlisis lxico y produce como salida el rbol sintctico. a e a a En la realidad, el anlisis sintctico hace una peticin al anlisis a a o a lxico del componente lxico siguiente en la entrada (los s e e mbolos terminales) conforme lo va necesitando en el proceso de anlisis, a conforme se mueve a lo laro de la gramtica. a Reconocedor versus analizador sintctico a

 3.2. ESPECIFICACION SINTACTICA DE LOS LENGUAJES DE PROGRAMACION73

Un reconocedor trata de determinar simplemente si la cadena puede o no ser generada por la gramtica (salida boolena). Poa dr amos preguntar algo ms. Si queremos reconocer las estruca turas propias de los lenguajes de programacin en el chero de o entrada para guiar la traduccin, es necesario conocer su estruco tura jerrquica, el rbol de anlisis sintctico. a a a a

3.2.

Especicacin sintctica de los lenguajes o a de programacin o

La mayor de las construcciones de los lenguajes de programacin a o se pueden representar con una gramtica independiente del cona texto (GIC). La mayor de las construcciones de los lenguajes de a programacin implican recursividad y anidamientos. o G = {S, VT , VN T , P }, S: el axioma o s mbolo de inicio VT : conjunto de terminales, los componentes lxicos e VN T : conjunto de no-terminales P: conjunto de reglas de produccin de la forma o VN T X1 , . . . , Xn , con Xi (VT VN T ) Pregunta: Si las expresiones regulares son un caso particular de GIC, por qu no se incluye la especicacin lxica como e o e parte de la sintaxis? Los AFD son muy sencillos de implementar y son muy ecientes frente a los autmatas a pila necesarios para reconocer las o GIC, la eciencia del traductor se ver comprometida. a Expresiones regulares o gramticas independientes del a contexto? Las expresiones regulares no permiten construcciones anidadas tan comunes en los lenguajes de programacin: parntesis equilio e brados, concordancia de pares de palabras clave como begin-end, do-while, ... Por ejemplo: consideremos el problema de los parntesis equilie brados en una expresin aritmtica. El hecho de que haya un o e

74

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO

parntesis abierto obliga a que haya un parntesis cerrado. Este e e problema es similar a considerar el lenguaje L = {aba, aabaa, aaabaaa, . . . , } = {an ban 0} Si intentamos escribir una expresin regular, lo ms prximo ser o a o a: {a ba } pero no se garantiza que el nmero de as antes y u despus sea el mismo. e Las expresiones regulares NO SABEN contar. NO es posible especicar la estructura de un lenguaje de programacin con slo o o expresiones regulares. Son sucientes las gramticas independientes del cona texto? NO, existen ciertos aspectos de los lenguajes de programacin que o no se pueden representar con una GIC. A estos aspectos se les llama aspectos semnticos, son aspectos en general dependientes a del contexto. Por ejemplo, el problema de declaracin de los identicadores o antes de uso. Se podr representar mediante el lenguaje a L={wcw tal que w (a|b) } este lenguaje no puede ser representado por una GIC. Por qu no usar gramticas contextuales? e a Su reconocimiento es demasiado complejo para ser eciente en un problema prctico. a Ser en el tema de anlisis semntico donde se abordar esa a a a tos problemas mediante el uso de acciones concretas (acciones semnticas) que no son propias de la gramtica en s Ser codia a . a go escrito para hacer las comprobaciones semnticas necesarias a (tipos, declaracin antes de uso, ...) o

 3.2. ESPECIFICACION SINTACTICA DE LOS LENGUAJES DE PROGRAMACION75

Ejemplo de una gramtica para un sencillo lenguaje: a

Program Declarations module id ; Declarations begin StatementList end id . type id = TypeDenoter ; TypeList Declarations | var id IdList : TypeDenoter ; VarList Declarations | function id ( Parameter ParameterList ) : SimpleType ; Declarations begin StatementList end id ; Declarations | id = TypeDenoter ; TypeList | id IdList : TypeDenoter ; VarList | , id IdList | TypeDenoter id | , Parameter ParameterList | char | integer | real | boolean SimpleType | id | CompositeType array [ num integer .. num integer ] of SimpleType | record id IdList : SimpleType ; FieldList end id IdList : SimpleType ; FieldList | Statement ; StatementList | AssignStm | IfStm | WhileStm | FunctionStm | ReturnStm | WriteStm | ReadStm LeftValue = Expression id | id [ Expression ] | id . id if Expression then StatementList ElseStm end else StatementList | while Expression do StatementList end id ( Arg ArgList ) return Expression write Expression read LeftValue Num | - Num | id | - id | num integer | num real , Arg ArgList | LeftValue | ( Expression ) | true | false | Num | FunctionStm | Expression * Expression | Expression / Expression | Expression - Expression | Expression + Expression | - Expression | Expression or Expression | Expression and Expression | not Expression | Expression < Expression | Expression > Expression | Expression == Expression

TypeList VarList IdList Parameter ParameterList SimpleType TypeDenoter CompositeType FieldList StatementList Statement AssignStm LeftValue IfStm ElseStm WhileStm FunctionStm ReturnStm WriteStm ReadStm Arg Num ArgList Expression

Cuadro 3.1: Ejemplo de especicacin sintctica o a

76

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO

3.3.

Derivaciones. Arboles de anal. sintctico a

Dada , (VT VN T ) cadenas arbitrarias de s mbolos gramaticales, se dice que A es una derivacin, si existe una produccin o o A . Sea S , si (VT VN T ) se dice que es una forma de frase o forma sentencial si (VT ) se dice que es una frase o sentencia. Existen dos tipos de derivaciones: Derivacin ms a la izquierda: se sustituye en cada paso el o a no-terminal ms a la izquierda de la forma de frase. La dea notaremos por: mi Derivacin ms a la derecha: se sustituye en cada paso el o a no-terminal ms a la derecha de la forma de frase. La denoa taremos por: md Por ejemplo para la gramtica: a
E id | num | E + E | ( E ) | - E

Si queremos derivar la frase (id + id) E E (E + E) (id + E) (id + id) derivacin ms a la izquierda. o a E E (E + E) (E + id) (id + id) derivacin ms a la derecha. o a

 3.3. DERIVACIONES. ARBOLES DE ANAL. SINTACTICO

77

3.3.1.

Arboles de anlisis sintctico a a

Un rbol de anlisis sintctico indica cmo a partir del axioma a a a o de la gramtica se deriva una frase (cadena) del lenguaje. Dada a una gramtica independiente del contexto, un rbol de anlisis a a a sintctico es un rbol tal que: a a z a mbolo inicial. 1. La ra est etiquetada con el s 2. Cada hoja est etiquetada con un componente lxico. Las a e hojas de izquierda a derecha forman la frase (el programa fuente). 3. Cada nodo interior est etiquetado con un no-terminal. a 4. Si A es un no-terminal y X1 , X2 , . . . , Xn son sus hijos de izquierda a derecha, entonces existe la produccin A X1 , X2 , . . . , Xn , o con Xi (VT VN T ). El rbol de anlisis sintctico contiene en general mucha ms ina a a a formacin que la estrictamente necesaria para generar el cdigo. o o Se puede construir una estructura ms sencilla, los rboles aba a stractos de anlisis sintctico. Ejemplo: expresiones aritmticas a a e (igual semntica, menor complejidad) a
Entrada: id * id E E * E id * id

id id rbol de anlisis sintctico Entrada: (id +id )* id E E ( E id E + E id * ) E id

rbol abstracto de anlisis sintctico

* + id id id

78

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO

3.4.

Gramticas limpias y bien formadas a

Llamamos smbolo vivo al s mbolo a partir del cual se puede derivar una cadena de terminales. Llamamos s mbolo muerto a los s mbolos no-vivos, no generan una cadena del lenguaje. Llamamos smbolo inaccesible si nunca aparece en la parte derecha de una produccin. A las gramticas que contienen estos tipos de o a s mbolos se les llama gramticas sucias. a Teorema 1: si todos los s mbolos de la parte derecha de una produccin son s o mbolos vivos, entonces el s mbolo de la parte izquierda tambin lo es. e Algoritmo para detectar s mbolos muertos 1. Hacer una lista de no-terminales que tengan al menos una produccin con slo s o o mbolos terminales en la parte derecha. 2. Dada una produccin, si todos los no-terminales de la parte o derecha pertenecen a la lista, entonces podemos incluir en la lista al no-terminal de la parte izquierda de la produccin. o 3. Cuando ya no se puedan incluir ms s a mbolos en la lista mediante la aplicacin del paso 2, la lista contendr los s o a mbolos no-terminales vivos y el resto sern s a mbolos muertos.

 3.4. GRAMATICAS LIMPIAS Y BIEN FORMADAS

79

Teorema 2: si el s mbolo no-terminal de la parte izquierda de una produccin es accesible, entonces todos los o s mbolos de la parte derecha tambin lo son. e Algoritmo para detectar smbolos inaccesibles 1. Se inicializa una lista de no-terminales que sabemos que son accesibles con el axioma. 2. Si la parte izquierda de una produccin est en la lista, eno a tonces se incluye en la misma al no-terminal que aparece en la parte derecha de la produccin. o a mbolos a la lista medi3. Cuando ya no se pueden incluir ms s ante la aplicacin del paso 2, entonces la lista contendr too a dos los s mbolos accesibles y el resto de los no-terminales sern innacesibles. a Para limpiar una gramtica primero se eliminan los s a mbolos muertos y despus los s e mbolos inaccesibles. Una gramtica est bien formada si es limpia y adems no cona a a tiene producciones- . Para eliminar producciones- , remitirse a la signatura de TALF. Ejemplo: limpiar la gramtica a
SaAB|A AcBd Be|fS CgD|hDt Dx|y|z

80

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO

3.5.

Gramticas ambiguas a

Una gramtica es ambigua cuando para una determinada sentena cia produce ms de un rbol de derivacin. a a o La gramtica siguiente es ambigua: a
E id | num | E + E | E * E | ( E ) | - E

Supongamos la sentencia

id + id * id

Entrada: num + num * num E E E num + * E num E num E

E + E * E num

num E num

El signicado semntico es DIFERENTE. No existe una unica a traduccin posible. Se genera cdigo diferente. o o No existe un algoritmo que determine con certeza en un plazo nito de tiempo si una gramtica es ambigua o no. A lo sumo que a se ha llegado en el estudio de la ambigedad es que hay algunas u condiciones que de cumplirse determinan la ambigedad, pero en u el caso de no cumplirse no se puede decir que la gramtica es no a ambigua. Necesidad de evitar las gramticas ambiguas. Cmo? a o transformando la gramtica o a estableciendo precedencias entre operadores y de asociatividad. Se puede eliminar la ambigedad transformando la gramtica u a agrupando todos los operadores de igual precedencia en grupos y asociando a cada uno una regla, de forma que los que tengan menor precedencia aparezcan ms cercanos al s a mbolo de inicio, precedencia en cascada. Esto conlleva el aumento de la complejidad de la gramtica y con ello en la del rbol sintctico. La a a a gramtica deja de ser intuitiva. a

 3.5. GRAMATICAS AMBIGUAS

81

Ejemplo 1: gramtica ambigua a

E num | E + E | E - E | E * E | E / E

Si la transformamos, esta gramtica ya no es ambigua. a

exp exp + term | exp - term | term term term * factor | term / factor | factor factor ( exp ) | num

IMPORTANTE: Una regla recursiva a izquierdas, hace que el operador sea asociativo por la izquierda. Una regla recursiva a derechas hace que el operador sea asociativo por la derecha. Ejemplo 2: el problema del dangling else y el convenio de la asociacin al if ms cercano. o a
statement if stmt | other if stmt if ( exp) statement | if ( exp) statement else statement exp 0 | 1

Por ejemplo: para la sentencia if (0) if (1) other else other tenemos dos rboles de derivacin. a o Crear los dos rboles ... a

82

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO

3.6.

Clasicacin mtodos de anlisis sintctio e a a co

Atendiendo a la forma en que se construye el rbol de anlisis a a sintctico los mtodos de anlisis sintctico se clasican: a e a a Mtodos descendentes: se parte del s e mbolo de inicio de la gramtica que se coloca en la ra y se va construyendo el a z rbol desde arriba hacia abajo hasta las hojas, eligiendo la a derivacin que da lugar a una concordancia con la cadena o de entrada. Se basa en la idea de predice una derivacin o y establece una concordancia con el s mbolo de la entrada (predict/match). El anlisis sintctico descendente correa a sponde con un recorrido prejo del rbol de anlisis sintctico a a a (primero expandimos el nodo que visitamos y luego procesamos los hijos).
S Sujeto Verbo Objeto Sujeto el Nombre | un Nombre Objeto el Nombre | un Nombre Verbo el Nombre | un Nombre Nombre perro | gato | len o

Ejemplo:

El len caz un gato o o

Crear el rbol... a Problemas: recursin a izquierdas, diferentes alternativas en o una produccin, cmo conseguir un coste lineal? o o

 3.6. CLASIFICACION METODOS DE ANALISIS SINTACTICO

83

Mtodos ascendentes: se construye el rbol de anlisis sintctie a a a co desde las hojas hasta la ra En las hojas est la cadena z. a a analizar y se intenta reducirla al s mbolo de inicio de la gramtica que est en la ra Se trata de desplazar-se en la a a z. cadena de entrada y encontrar una subcadena para aplicar una reduccin (una regla de produccin a la inversa), (shifto o reduce). El anlisis sintctico ascendente corresponde con un a a recorrido postorden del rbol (primero reconocemos los hijos a y luego mediante una reduccin reconocemos el padre). o Insertar un ejemplo de como efectivamente los dos tipos de anlia sis corresponden con los tipos de recorrido prejo y postjo. Atendiendo a la forma en que procesan la cadena de entrada se clasican en: Mtodos direccionales: procesan la cadena de entrada s e mbolo a s mbolo de izquierda a derecha. Mtodos no-direccionales: acceden a cualquier lugar de la cae dena de entrada para construir el rbol. Necesitan tener toda a la cadena de componentes lxicos en memoria. Ms costosos, e a no se suelen implementar. Atendiendo al nmero de alternativas posibles en una derivacin u o se clasican en: Mtodos deterministas: dado un s e mbolo de la cadena de entrada se puede decidir en cada paso cul es la alternaa tiva/derivacin adecuada a aplicar, slo hay una posible. No o o se produce retroceso y el coste el lineal. Mtodos no-deterministas: en cada paso de la construccin e o del rbol se deben probar diferentes alternativas/derivaciones a para ver cual es la adecuada, con el correspondiente aumento del coste. Importancia de los mtodos direccionales y deterministas en e el diseo de traductores. El determinismo por la necesidad de n eciencia (coste lineal frente a exponencial que le har prohibitia vo en el diseo prctico de traductores) y porque las herramienn a tas para la generacin de traductores asumen esta condicin. Los o o

84

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO

descendentes ascendentes CYK
Desplaza/Reduce 1 en anchura 1 en profundida

no direccionales no deterministas

Unger
Predice/Concuerda 1 en anchura 1 en profundida

direccionales

deterministas

Predice/Concuerda Gram. LL(1)

Desplaza/Reduce Gram. LR(k) LR(0), SLR(1), LALR(1)

mtodos direccionales por la propia naturaleza secuencial en que e se va procesando los s mbolos del chero fuente de izquierda a derecha.

3.7. EJERCICIOS

85

3.7.

Ejercicios

1. (0.2 ptos) Dadas la siguiente gramtica, elimina los s a mbolos muertos e inaccesibles.
SaABC|Dd AaBC Bb Cc Dd Egh

a o 2. (0.2 ptos) Dada la siguiente grmatica, escribe la derivacin ms a la izquierda, el rbol de anlisis sintctico y el rbol a a a a a sintctico abstracto para las siguientes expresiones: (a) 3+4*5a 6; (b) 3*(4-5+6)
exp exp addop term | term addop + | term term mulop factor | factor mulop *| / factor ( exp ) | num

3. (0.2 ptos) Dada la siguiente grmatica simplicada de una a expresin en LISP: (a) escribe las derivaciones ms a la o a derecha y ms a la izquierda de la entrada (a 23 (m x y)). a Dibuja el rbol de anlisis sintctico para esa sentencia. a a a
lexp atom | list atom number | identier list ( lexp-seq ) lexp-seq lexp-seq lexp | lexp

a a 4. (0.2 ptos) Dada la siguiente gramtica, construya el rbol de anlisis sintctico para la frase not (true or false). Es una a a gramtica ambigua? a

86

TEMA 3. INTRODUCCION AL ANALISIS SINTACTICO bexp bexp or bterm | bterm bterm bterm and bfactor | bfactor bfactor not bfactor | ( bexp ) | true | false

a 5. (0.2 ptos) Escribe una gramtica para expresiones booleanas que incluya las constantes true y false, los operadores and, or y not y los parntesis. Se ha de tener en cuenta que el e operador or tiene menor precedencia que el operador and y ste menor que el operador not. Construye la gramtica de e a forma que los operadores and y or sean asociativos por la izquierda y el operador not por la derecha. 6. (0.2 ptos) Comprueba que se puede resolver el problema de la ambigedad del dangling else transformando la gramtica u a a la forma:
statment matched-stmt | unmatched-stmt matched-stmt if ( exp ) matched-stmt else matched-stmt | other unmatched-stmt if ( exp ) statement | if ( exp ) matched-stmt else unmatched-stmt exp 0 | 1

Justicar usando un ejemplo. 7. (0.2 ptos) Comprueba que el intento de resolver el problema de la ambigedad del dangling else no es adecuado: u
statment if ( exp ) statement | matched-stmt matched-stmt if ( exp ) matched-stmt else statment | other exp 0 | 1

Justicar usando un ejemplo.