Clase#3: Introducción, conceptos, características y componentes de los compiladores.

1

UNIVERSIDAD “GERARDO BARRIOS”

COMPILADORES E INTÉRPRETES

CICLO I – 2016

DOCENTE: ING. MARVIN OSMARO PARADA

CLASE # 03

INTRODUCION, CONCEPTOS, CARACTERISTICAS Y COMPONENTES DE LOS COMPILAD

OBJETIVOS

Realizar un recordatorio sobre la clasificación de lenguajes de programación.

Conocer los conceptos generales de compiladores, intérpretes, traductores.

Comprender las fases de un compilador.

Distinguir los diferentes tipos de traductores.

Realizar ejemplos sencillos de compilación en lenguaje C++.

CLASIFICACION DE LOS LENGUAJES DE PROGRAMACION

La programación de computadoras se realiza en los llamados lenguajes de programación, éstos

posibilitan la comunicación entre el programador y la computadora, a través de un conjunto de

instrucciones u órdenes especificadas por el lenguaje.

Un lenguaje de programación puede definirse como: “Notación formal para describir algoritmos o

funciones que serán ejecutados por una computadora”, o bien, un lenguaje para comunicar

instrucciones al computador.

Diferentes puntos de vista para clasificar los lenguajes de programación:

1. Su grado de independencia con la máquina.

2. La forma de sus instrucciones y la forma de procesar el código fuente.

3. Por generaciones.

Los lenguajes de programación según su grado de independencia de la máquina:

a) Lenguaje máquina (representación binaria o hexadecimal.).

b) Lenguaje ensamblador o de bajo nivel (versión simbólica de un lenguaje máquina).

c) Lenguaje de medio nivel (lenguaje C).

d) Lenguaje de alto nivel (FORTRAN, COBOL, Pascal).

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

2

Aunque todos los lenguajes de programación tienen un conjunto de instrucciones que permiten realizar

dichas operaciones, existe una marcada diferencia en los símbolos, caracteres y sintaxis de los

lenguajes de máquina, lenguajes ensambladores y lenguajes de alto nivel.

a) Lenguaje de máquina.

El lenguaje de máquina de una computadora consta de cadenas de números binarios (ceros y unos) y es

el único que "entienden" directamente los procesadores. Todas las instrucciones preparadas en cualquier

lenguaje de máquina tienen por lo menos dos partes. La primera es el comando u operación, que dice a

la computadora cuál es la función que va a realizar. Todas las computadoras tienen un código de

operación para cada una de sus funciones. La segunda parte de la instrucción es el operando, que

indica a la computadora donde hallar o almacenar los datos y otras instrucciones que se van a

manipular; el número de operando de una instrucción varía en las distintas computadoras.

b) Lenguaje ensamblador

La comunicación en lenguaje de máquina es particular de cada procesador que se usa, y programar

en este lenguaje es muy difícil y tedioso, por lo que se empezó a buscar mejores medios de

comunicación con ésta.

A fin de facilitar la labor de los programadores en el pasado, se desarrollaron códigos mnemotécnicos

para las operaciones y direcciones simbólicas. Uno de los primeros pasos para mejorar el proceso de

preparación de programas fue sustituir los códigos de operación numéricos del lenguaje de máquina

por símbolos alfabéticos, que conforman un lenguaje mnemotécnico.

Todas las computadoras actuales tienen códigos mnemotécnicos aunque, naturalmente, los símbolos

que se usan varían en las diferentes marcas y modelos. La computadora sigue utilizando el lenguaje

de máquina para procesar los datos, pero los programas ensambladores traducen antes los símbolos

de código de operación especificados a sus equivalentes en lenguaje de máquina.

Los lenguajes ensambladores tienen ventajas sobre los lenguajes de máquina. Ahorran tiempo y

requieren menos atención a detalles. Se incurren en menos errores y los que se cometen son más

fáciles de localizar. Además, los programas en lenguaje ensamblador son más fáciles de modificar que

los programas en lenguaje de máquina. Pero existen limitaciones. La codificación en lenguaje

ensamblador es todavía un proceso lento. Además, una desventaja importante de estos lenguajes es

que tienen una orientación a la máquina. Es decir, están diseñados para la marca y modelo

específico de procesador que se utiliza.

En el principio de la computación este era el lenguaje que tenía que "hablar" el ser humano con la

computadora y consistía en insertar en un tablero miles de conexiones y alambres y encender y

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

3

apagar interruptores. Aunque en la actualidad ya no se emplea, es importante reconocer que ya no

es necesario que nos comuniquemos en este lenguaje de "unos" y "ceros", pero es el que

internamente una computadora reconoce o "habla".

c) Lenguajes de alto nivel

Los primeros programas ensambladores producían sólo una instrucción en lenguaje de máquina por

cada instrucción del programa fuente. Para agilizar la codificación, se desarrollaron programas

ensambladores que podían producir una cantidad variable de instrucciones en lenguaje de máquina

por cada instrucción del programa fuente. Dicho de otra manera, una sola macroinstrucción podía

producir varias líneas de código en lenguaje de máquina.

A diferencia de los programas de ensamble, los programas en lenguaje de alto nivel se pueden utilizar

con diferentes marcas de computadoras sin tener que hacer modificaciones considerables. Esto

permite reducir sustancialmente el costo de la reprogramación cuando se adquiere equipo nuevo.

Los lenguajes de programación según su forma de instrucciones

Lenguajes imperativos o procedimentales: lenguajes orientados a instrucciones (Pascal, C. C++,

Ada, FORTRAN).

Lenguajes declarativos, funcionales o aplicativos: sus construcciones se basan en llamadas a

funciones matemáticas, utilizados a menudo en Inteligencia Artificial ( LISP, ML. APL, Haskell ). o

Lógicos: manejan relaciones entre objetos. Las relaciones se especifican con reglas y

hechos. La ejecución de programas lógicos, consiste en la demostración de hechos sobre las

relaciones por medio de preguntas. (PROLOG es el más utilizado de este tipo).

Lenguajes orientados a objetos: si soportan tipos de datos abstractos y clases.

o (C++, Smalltalk, Java, Prolog++). Los lenguajes de programación por generaciones son

aquellos nombrados como: 1ª., 2ª., 3ª. 4ª. generación y aquellos identificados como

generación visual y generación internet.

Los lenguajes de programación según su forma de procesar el código fuente

Traductores (translators).

Compiladores (compilers).

Ensambladores (assemblers).

Interpretes (interpreters).

Editores (editors).

Traductor: Un traductor es un programa que procesa un texto fuente destino.

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

4

Compiladores: Un traductor que transforma textos fuente de lenguajes de alto nivel a lenguajes

de bajo nivel se le denomina compilador.

o El tiempo que se necesita para traducir un lenguaje de alto nivel a lenguaje objeto se

denomina tiempo de compilación.

o El tiempo que tarda en ejecutarse un programa objeto se denomina tiempo de

ejecución.

Intérpretes: Los intérpretes son programas que simplemente ejecutan las instrucciones que

encuentran en el texto fuente. En muchos casos coexisten en memoria el programa fuente y el

programa intérprete.

Un ejemplo de lenguaje interpretado es BASIC en sus primeras versiones. La ejecución de un

programa compilado es mucho más rápida que la de un programa interpretado. Sin embargo los

intérpretes son más interactivos y facilitan la puesta a punto de programas.

ARQUITECTURA DE LA COMPUTADORA

En la disciplina de los procesadores de lenguajes, los compiladores son los más utilizados por los

programadores para el desarrollo de aplicaciones. En el caso particular del desarrollo de compiladores,

hay que tener bien definida la arquitectura de la computadora.

¿Cómo se pueden ejecutar las aplicaciones desarrolladas para otras arquitecturas de computadoras en la nueva arquitectura?

El problema planteado anteriormente no sólo es aplicable a la construcción de nuevas arquitecturas,

sino también cuando es necesaria la compatibilidad de aplicaciones entre diferentes sistemas operativos

y arquitecturas de computadoras.

Algunas de las técnicas utilizadas para realizar migraciones de aplicaciones entre distintas arquitecturas

y sistemas operativos se muestran en la siguiente figura:

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

5

Un intérprete software o emulador de software es un programa en código binario que lee una a una

las instrucciones binarias de la arquitectura antigua de las computadoras, que se encuentran en un

fichero ejecutable, y las interpreta. Los intérpretes no son muy rápidos, pero pueden construir y adaptar

a distintas arquitecturas sin excesivos costos de desarrollo.

Algunos ejemplos de intérpretes software binario son:

Emuladores de DOS para distintos sistemas operativos (SoftPC de Insignia Solutions).

Intérpretes de la máquinaabstracta JVM (Java Virtual Machine) para distintas plataformas y ue

permiten ejecutar los códigos binarios denominados bytecode (ficheros con la extensión .class).

Un emulador hardware trabaja de forma similar a un intérprete de software, pero está implementado en

HW de forma que decodifica las instrucciones de la arquitectura antigua y las traduce a la nueva

arquitectura. Un ejemplo de emulador de hardware son los microprocesadores Java, que emulan la

máquina abstracta JVM (Java Virtual Machine).

Un traductor entre códigos binarios o ensambladores son conjuntos de instrucciones de la nueva

arquitectura que reproducen el comportamiento de un programa en la arquitectura antigua (la

información de la máquina antigua se almacena en registros de la nueva máquina). Un ejemplo

de estos traductores son los desarrollados por DEC (Digital Equipment Corporation) para traducir

instrucciones de la arquitectura VAX y MIPS a la nueva arquitctura ALPHA.

Un compilador nativo es aquél que toma un programa fuente antiguo y lo vuelve a compilar (recompilar)

con compiladores desarrollados para la nueva arquitectura. Son los más rápidos y óptimos con

respecto a las demás técnicas, pues produce la mejor calidad del código objeto.

GRAMATICAS DE LOS LENGUAJES DE PROGRAMACION

Reglas para escribir las sentencias del lenguaje.

Conjunto de símbolos que definen la estructura de procesamiento de un lenguaje.

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

6

Ejemplo de estructura gramatical de un lenguaje:

FASES DE LOS COMPILADORES

Analizando en detalle el proceso de compilación, se divide en dos grandes fases, una de Análisis y

la otra de Síntesis.

Fase de Análisis:

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

7

En el llamado análisis lexicográfico o léxico, el compilador revisa y controla que las "palabras"

estén bien escritas y pertenezcan a algún tipo de token (cadena) definido dentro del lenguaje,

como por ejemplo que sea algún tipo de palabra reservada, o si es el nombre de una variable

que este escrita de acuerdo a las pautas de definición del lenguaje. En esta etapa se crea la

tabla de símbolos, la cual contiene las variables y el tipo de dato al que pertenece, las constantes

literales, el nombre de funciones y los argumentos que reciben etc.

En el análisis sintáctico como su nombre lo indica se encarga de revisar que los tokens estén

ubicados y agrupados de acuerdo a la definición del lenguaje. Dicho de otra manera, que los

tokens pertenezcan a frases gramaticales validas, que el compilador utiliza para sintetizar la

salida. Por lo general las frases gramaticales son representadas por estructuras jerárquicas,

por medio de árboles de análisis sintáctico. En esta etapa se completa la tabla de símbolos

con la dimensión de los identificadores y los atributos necesarios etc.

El análisis semántico se encarga de revisar que cada agrupación o conjunto de token tenga

sentido, y no sea un absurdo. En esta etapa se reúne la información sobre los tipos para la

fase posterior, en esta etapa se utiliza la estructura jerárquica de la etapa anterior y así poder

determinar los operadores, y operandos de expresiones y preposiciones.

Fase de Síntesis:

Etapa de generación de código intermedio, aunque algunos compiladores no la tienen, es

bueno saber de su existencia, en esta etapa se lleva el código del programa fuente a un

código interno para poder trabajar más fácilmente sobre él. Esta representación interna debe

tener dos propiedades, primero debe ser fácil de representar y segundo debe ser fácil de

traducir al código objeto.

En la etapa de optimización de código, se busca obtener el código más corto y rápido

posible, utilizando distintos algoritmos de optimización.

Etapa de generación de código, se lleva el código intermedio final a código maquina o

código objeto, que por lo general consiste en un código maquina re localizable o código

ensamblador. Se selecciona las posiciones de memoria para los datos (variables) y se traduce

cada una de las instrucciones intermedias a una secuencia de instrucciones de maquina puro.

La tabla de símbolos no es una etapa del proceso de compilación, sino que una tarea, una

función que debe realizar el proceso de compilación. En ella se almacenan los identificadores

que aparecen en el código fuente puro, como así también los atributos de los mismos, su

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

8

tipo, su ámbito y en el caso de los procedimientos el número de argumentos el tipo del mismo

etc. En otras palabras una tabla de símbolos es una estructura de datos, que contiene un

registro por cada identificador, y sus atributos. La tabla de símbolo es accedida tanto para

escritura como parar lectura por todas las etapas. Detector de errores o manejador de

errores, al igual que la tabla de símbolos no es una etapa del proceso de compilación, sino

que es una función, muy importante, pues al ocurrir un error esta función debe tratar de alguna

forma el error para así seguir con el proceso de compilación (la mayoría de errores son

detectados en las etapas de análisis léxico, análisis sintáctico, análisis semántico).

EJEMPLO EXPLICATIVO SOBRE LAS ETAPAS DE UN COMPILADOR.

¿Qué es lo que hacen los componentes de un compilador en sus Fases cuando tiene que analizar la

siguiente expresión?

suma = var1 + var2 + 10 ;

Análisis Léxico

El analizador léxico lee los caracteres del programa fuente, y verifica que correspondan a una

secuencia lógica (identificador, palabra reservada etc.). Esta secuencia de caracteres recibe el

nombre componente léxico o lexema. En este caso el analizador léxico verifica si el identificador id1

(nombre interno para "suma") encontrado se halla en la tabla de símbolos, si no está produce un

error porque todavía no fue declarado, si la preposición hubiese sido la declaración del identificador

"suma" en lenguajes C, C++ (int suma;) el analizador léxico agregaría un identificador en la tabla de

símbolos, y así sucesivamente con todos los componentes léxicos que aparezcan.

id1= id2+ id3 + 10

Análisis Sintáctico

El analizador sintáctico impone una estructura jerárquica a la cadena de componentes léxicos,

generada por el analizador léxico, que es representada en forma de un árbol sintáctico.

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

9

Análisis Semántico

El analizador semántico verificara en este caso que cada operador tenga los operandos permitidos.

Generador de código intermedio

Esta etapa se lleva la preposición a una representación intermedia como un programa para una

maquina abstracta.

temp1= tipo_ent(10) temp2= id3 * temp1 temp3= id2 + tem2 id1= temp3

Optimización de código

El código intermedio obtenido es representado de una forma más óptima y eficiente.

temp1= id3 * 10.0

id1= id2 + temp1

Clase#3: Introducción, conceptos, características y componentes de los compiladores.

10

Generador de código

Finalmente lleva el código intermedio a un código objeto que en este caso es un código re localizable

o código ensamblador (también llamado código no enlazado).

MOVF id3, R2

MULT #10.0, R2

MOVF id2, R1

ADDF R2, R1

MOVF R1, id1

Este el código objeto obtenido que es enviado al módulo de ensamblado.

ACTIVIDADES EN EL AULA – RESPONDER A LAS SIGUIENTES PREGUNTAS

1. ¿Cuáles son los conceptos asociados a compiladores?

2. ¿Cuál es la clasificación de los lenguajes de programación de menor a mayor?

3. ¿Cuáles son los componentes de un compilador?

4. ¿Analizar cómo se implementan los componentes de un compilador?

5. ¿Cuáles es la diferencia entre un compilador y un intérprete, explica?

6. Elabore un esquema que permita comprender las fases del proceso de compilación y las

etapas.

7. Realizar un mapa mental sobre los conceptos generales, clasificación, etapas y fases de los

traductores, compiladores e intérpretes

PORCENTAJE ASIGNADO DEL LABORATORIO 1 COMPUTO 1: 40%

GLOSARIO

PROGRAMACIÓN DE SISTEMAS: Conjunto de reglas para crear soluciones a problemas

computables. Conjunto de herramientas que nos permiten crear software de base que son de utilidad

para interactuar con la máquina.

SOFTWARE DE BASE: Compilador, Querys, Sistema Operativo, Cargador.

AUTÓMATA: Son las cadenas posibles que aceptan un lenguaje.

EXPRESIONES REGULARES: Conjunto de símbolos que aceptan una palabra reservada.

GRAMÁTICA: Reglas para escribir las sentencias del lenguaje.

LENGUAJE DE PROGRAMACIÓN: Es la notación formal para la descripción de algoritmos, basada en

un conjunto de instrucciones en alto nivel, que finalmente pasarán a bajo nivel para interactuar con el

hardware y generar herramientas de trabajo.