Historia Compiladores

Introduccin a compiladores

Definicin de compilador

Historia de los compiladores

Tipos de traductores

Fases de un compilador Fases de un compilador

Agrupamiento de fases

Compiladores cruzados

Herramientas automticas


Los compiladores son programas de computadora que traducen de un

lenguaje a otro. Un compilador toma como su entrada un programa

escrito en lenguaje fuente y produce un programa equivalente escrito en

lenguaje objeto.

Traductor Lenguaje Fuente Lenguaje Destino

Mensajes de error


Generalmente al lenguaje fuente se le asocia como lenguaje de alto nivel,

mientras al lenguaje objeto se el conoce como cdigo objeto (cdigo de

maquina) escrito especficamente para una maquina objeto. A lo largo del

proceso de traduccin el compilador debe informar la presencia de

errores en el lenguaje fuente.

Disear y desarrollar un compilador, no es tarea fcil, y quizs pocos Disear y desarrollar un compilador, no es tarea fcil, y quizs pocos

profesionales de la computacin se vean involucrados en esta tarea.

No obstante, los compiladores se utilizan en casi todas las formas de la

computacin y cualquiera involucrado en esta rea debera conocer la

organizacin y el funcionamiento bsico de un compilador.

Historia de los Compiladores A finales de la dcada de 1940, comenzaron a construirse las primeras

computadoras digitales y fue necesario implementar un lenguaje capas de realizar los clculos, es aqu donde aparece el lenguaje de maquina que representaba secuencias de cdigos numricos:

C7 06 0000 0002 (instruccin que mueve el nmero dos a la ubicacin 0000)

Desafortunadamente este lenguaje era tedioso de seguir y complicado de Desafortunadamente este lenguaje era tedioso de seguir y complicado de mantener, por lo que esta forma de codificacin fue reemplazada por el lenguaje ensamblador, en el cual las instrucciones y las localidades de memoria son formas simblicas. Un ensamblador traduce de los cdigos simblicos a lenguaje de maquina. An con esta mejora, el lenguaje ensamblador sigue siendo demasiado difcil de mantener:

MOV X, 2 (instruccin en ensamblador equivalente a la anterior)

Historia de los Compiladores

En este punto se presenta la necesidad de lenguajes que permitan escribir los programas de forma concisa, similar a una notacin matemtica, y que se pudieran traducir a cdigo ejecutable para una mquina dada:

X = 2

En 1950, G. M. Hooper acua el termino compilador y aparecen los primeros trabajos sobre compiladores relacionados con la traduccin de formulas aritmticas a cdigo de sobre compiladores relacionados con la traduccin de formulas aritmticas a cdigo de mquina.

John Backus lider un grupo de trabajo en IBM para realizar de un traductor de cdigo mquina a frmulas matemticas. Resultando con gran xito: la especificacin de un lenguaje de alto nivel (FORTRAN, FORmule TRANslation) Trabajaron 18 personas durante mas de un ao en el proyecto.

Fe un compilador hecho ad-hoc (a puro corazn), pues no exista una teora formal, sino que se iban resolviendo las construcciones una a una, para cada situacin particular.


Noam Chomsky comienza sus estudios sobre la estructura del lenguaje natural. Sus estudios lo condujeron a la clasificacin de los lenguajes de acuerdo a una jerarqua de sus gramticas, adems sus estudios sobre los algoritmos de reconocimiento derivaron en una automatizacin del proceso de traduccin mas eficiente.

1960, se disea el lenguaje LISP. En un principio, el cdigo LISP se traduca manualmente a cdigo mquina. Se escribi en LISP un programa capaz de interpretar programas LISP, que se tradujo manualmente a cdigo de mquina, construyendo de programas LISP, que se tradujo manualmente a cdigo de mquina, construyendo de este modo un intrprete ejecutable de LISP.

Knuth desarrolla la mayora de las tcnicas de anlisis sintctico.

1970, se presentan los mayores avances en el rea de lenguajes de programacin.

Aparecen los primeros programas que automatizan los procesos de anlisis lxico y sintctico. Surgiendo la llamada Torre de Babel debido a la proliferacin de la teora para la construccin de compiladores.


Niklaus Wirth, disea Pascal, pensado para la enseanza.

Wirth propone el concepto de representacin intermedia de cdigo, separando el proceso de traduccin en dos fases: el front-end encargada de analizar el programa fuente (operaciones dependientes slo del lenguaje fuente) y el back-end encargada de generar el cdigo para la mquina objeto.

1980, comienzan a proliferar las tcnicas de mejoramiento de cdigo 1980, comienzan a proliferar las tcnicas de mejoramiento de cdigo (optimizacin), se consolida y prolifera el concepto de asignacin y liberacin de memoria dinmica. La programacin orientada a objetos es extensamente utilizada y madura.

1990, los lenguajes de programacin y compiladores son muy similares a lo que tenemos actualmente, surgen los ambientes de desarrollo, los lenguajes interpretados comienza a ganar terreno en aplicaciones de Internet y el cdigo intermedio se vuelve a poner de moda.

Tipos de Traductores

Compilador Programa que convierte un archivo de lenguaje de programacin a su correspondiente en lenguaje objeto. Siendo en realidad es un tipo especifico de traductor.

Ensamblador Programa que convierte de lenguaje mnemonico a lenguaje mquina, generando un archivo con el cdigo objeto equivalente al cdigo fuente completo, junto con informacin necesaria para el montaje.

Formadores de Texto toman como entrada una cadena de caracteres que incluye el texto a componer y rdenes (TAGs) para indicar captulos, secciones, prrafos, enumeraciones, figuras, formulas, tablas, etc. (Latex, Html).

Interpretes Ejecutan las instrucciones del programa segn se vallan presentando. Necesitan menos memoria, pero son ms lentos que los compiladores (LISP, Prolog). Histricamente, se pusieron de moda en los primeros aos porque los recursos de memoria eran escasos. Permiten aadir cdigo dinmicamente durante la ejecucin.


Lenguajes de programacin interpretados Estn diseados para ser

ejecutados por medio de interprete a partir de un cdigo pre-compilado.

Por ejemplo Java es compilado para posteriormente ser ejecutado por un

traductor del lenguaje objeto denominado Java Virtual Machine.

Mientas que los lenguajes de la plataforma .NET compilan en una forma

intermedia (CIL), que posteriormente puede ser recompilado a cdigo de

maquina nativo o interpretado por una maquina virtual.

Lenguajes como Python y Java emplean representaciones intermedias de

cdigo para ser ejecutadas, mientras que lenguajes como Ruby emplean

un rbol de sintaxis abstracta como representacin intermedia.


Ventajas del compilador

Se compila una vez, se ejecuta n-veces

En bucles, la compilacin genera cdigo equivalente al bucle pero un

interprete se traduce tantas veces una lnea como veces se repite el bucle

El compilador tiene una visin global del programa, por lo que la

informacin de mensajes de errores es ms detallada.informacin de mensajes de errores es ms detallada.

Ventajas del intrprete

Un interprete necesita menos memoria que un compilador

Permite una mayor interactividad con el cdigo en tiempo de desarrollo.


Ventajas del compilador - intrprete

Proporcionan algo de flexibilidad extra

Son independientes de la plataforma en la que se ejecuten

Permiten un mecanismo de reflexin

Tipos de datos altamente dinmicos

Gestin de memoria dinmico

Fcilmente depurables y reducidos en tamao

Fases de un Compilador

Un compilador se compone internamente de varias etapas, o fases, que

realizan operaciones lgicas.

Es til pensar en estas fases como piezas separadas dentro del compilador,

y pueden en realidad escribirse como operaciones codificadas

separadamente aunque en la prctica a menudo se integran.

A continuacin describiremos brevemente cada un de ellas:

Anlisis Lxico

Anlisis Sintctico

Anlisis Semntico

Generacin y Optimizacin de cdigo intermedio

Generacin de cdigo objeto

Fases de Compilacin

Anlisis Lxico

Anlisis Sintctico

Cdigo fuente

Componentes lxicos / Tokens

rbol sintctico

Fase de anlisis

Tabla de smbolos

Anlisis Semntico

Generacin / Optimizacin de cdigo intermedio

Generacin / Optimizacin de cdigo objeto

rbol sintctico con anotaciones

Cdigo intermedio

Cdigo objeto

Fase de sntesis

Gestor de errores

Fases de Compilacin Analizador lxico: lee la secuencia de caracteres de izquierda a derecha del

programa fuente y agrupa las secuencias de caracteres en unidades con significado propio (componentes lxicos o tokens en ingles).

Las palabras clave, identificadores, operadores, constantes numricas, signos de puntuacin como separadores de sentencias, llaves, parntesis, etc. , son diversas clasificaciones de componentes lxicos.

La estructura lxica la modelaremos mediante expresiones regulares. La estructura lxica la modelaremos mediante expresiones regulares.

Por ejemplo la siguiente instruccin en cdigo C: a[indice] = 4 + 2;

a identificador[ corchete de aperturaindice Identificador] corchete de cierre= operador de asignacin4 numero+ operador suma2 numero; punto y coma

Genera los siguientes componentes lxicos:

Fases de Compilacin

Anlisis sintctico: determina si la secuencia de componentes lxicos sigue la sintaxis del lenguaje y obtiene la estructura jerrquica del

programa en forma de rbol, donde los nodos son las construcciones de

alto nivel del lenguaje.

Se determinan las relaciones estructurales entre los componentes lxicos,

esto es semejante a realizar el anlisis gramatical sobre una frase en esto es semejante a realizar el anlisis gramatical sobre una frase en

lenguaje natural. La estructura sintctica la definiremos mediante las

gramticas independientes del contexto.

Como ejemplo consideremos la lnea de cdigo C anterior. Representa un

elemento estructural denominado expresin, la cual es una expresin de

asignacin compuesta de una expresin de subndice a la izquierda y una

expresin aritmtica a la derecha (rbol de anlisis gramatical).

Fases de Compilacin

expresin

expresin asignacin

expresin expresin =

expresin subndice expresin aditiva

expresin expresin expresin expresin

identificador

a

identificador

indice

numero

4

numero

2

[ ] +

Fases de Compilacin Los nodos internos del rbol de anlisis gramatical estn etiquetados con los

nombres de las estructuras que representan y las hojas del rbol representan la secuencia de tokens.

Los rboles de anlisis gramatical son tiles para visualizar la sintaxis de un programa pero no es eficaz en la representacin de esa estructura. Los analizadores sintcticos tienden a generar un rbol sintctico (una simplificacin de la informacin contenida en un rbol de anlisis gramatical).

Para nuestro ejemplo observamos que en el rbol sintctico se han eliminado nodos, esto debido a que sabiendo la naturaleza de la expresin, ya no es necesario contar con ciertos tokens.

=

[ ] +

identificador

a

identificador

indice

numero

4

numero

2

Fases de Compilacin

Anlisis semntico: realiza las comprobaciones necesarias sobre el rbol sintctico para determinar el correcto significado del programa.

Las tareas bsicas a realizar son: La verificacin e inferencia de tipos en

asignaciones y expresiones, la declaracin del tipo de variables y funciones

antes de su uso, el correcto uso de operadores, el mbito de las variables y

la correcta llamada a funciones. la correcta llamada a funciones.

Nos limitaremos al anlisis semntico esttico (en tiempo de compilacin),

donde es necesario hacer uso de la Tabla de smbolos, como estructura de

datos para almacenar informacin sobre los identificadores que van

surgiendo a lo largo del programa. El anlisis semntico suele agregar

atributos (como tipos de datos) a la estructura del rbol semntico.

Fases de Compilacin El analizador semntico registrara el rbol sintctico con los tipos de datos

de las sub-expresiones y verificara que la asignacin tiene sentido para los tipos, en caso contrario mandara un mensaje de error en correspondencia de tipos. De esta forma se obtiene un rbol sintctico con anotaciones.

Siguiendo con el ejemplo de la expresin en C, el analizador semntico extrae la informacin de que a es una arreglo de valores enteros y que indice es una variable entera. indice es una variable entera.

=

[ ] Tipo : entero

+ Tipo : entero

a

puntero a enteros

Tipo: entero

indice

Tipo : entero

4

constante

Tipo : entero

2

constante

Tipo : entero

Fases de Compilacin

Generacin y optimizacin de cdigo intermedio: la optimizacin consiste en la calibracin del rbol sintctico donde ya no aparecen construcciones

de alto nivel. Generando un cdigo mejorado, ya no estructurado, ms

fcil de traducir directamente a cdigo ensamblador o mquina,

compuesto de un cdigo de tres direcciones (cada instruccin tiene un

operador, y la direccin de dos operndoos y un lugar donde guardar el

resultado), tambin conocida como cdigo intermedio.resultado), tambin conocida como cdigo intermedio.

La etapa de optimizacin slo dependen del lenguaje fuente (y no de la

mquina), se busca principalmente: eliminar sub-expresiones comunes,

identificar cdigo muerto, sustituir operaciones aritmticas, clculo previo

de constantes, variables de induccin, propagacin de copias o cdigo

inalcanzable. Suele ser una fase lenta y compleja.

Fases de Compilacin Siguiendo con el ejemplo de la expresin de asignacin, el

generador/optimizador, colapsara la expresin aditiva generando una

constante 6.

En ocasiones estas adecuaciones pueden realizarse en el rbol

directamente, pero generalmente resulta mas fcil hacerlo de manera

lineal en una estructura de cdigo de tres direcciones (cuadruplos).lineal en una estructura de cdigo de tres direcciones (cuadruplos).

cdigo optimizado cdigo intermedio

a[indice] = 6 t1 = indice * elem_size(a)

t2 = &a + t1

*t3 = 6

Fases de Compilacin

Generacin de cdigo objeto: toma como entrada la representacin intermedia y genera el cdigo objeto. La optimizacin depende de la mquina,

es necesario conocer el conjunto de instrucciones, la representacin de los

datos (nmero de bytes), modos de direccionamiento, nmero y propsito de

registros, jerarqua de memoria, encauzamientos, etc.

Suelen implementarse a mano, y son complejos porque la generacin de un Suelen implementarse a mano, y son complejos porque la generacin de un

buen cdigo objeto requiere la consideracin de muchos casos particulares.

Tambin se est investigando la creacin de generadores de cdigo

automticos. La idea es automticamente hacer corresponder una

representacin intermedia a plantillas de instrucciones objeto. Permitiendo

generar fcilmente el cdigo objeto para una nueva mquina objeto,

cambiando el conjunto de plantillas. Por ejemplo GNU GCC posee plantillas

para mas de 10 arquitecturas ms habituales de ordenadores.

Fases de Compilacin Finalmente para nuestro ejemplo debemos decidir ahora cuantos enteros

se almacenarn para generar el cdigo del arreglo, para este ejemplo

emplearemos modos de direccionamiento propios de C, generando el

cdigo objeto en un lenguaje ensamblador hipottico.

MOV R0, t1 ;; valor de index ->MOV R0, t1 ;; valor de index ->

MOV R1, &a ;; direccin de a -> R1

ADD R1, R0 ;; sumar R0 a R1

MOV *R1, 6 ;; constante 6 -> direccin en R1

Fases de Compilacin

Tabla de Smbolos: es una estructura tipo diccionario con operaciones de insercin, borrado y bsqueda, que almacena informacin sobre los

smbolos que van apareciendo a lo largo del programa como son:

los identificadores (variables y funciones)

Etiquetas

tipos definidos por el usuario (arreglos, registros, etc.) tipos definidos por el usuario (arreglos, registros, etc.)

Adems almacena el tipo de dato, mtodo de paso de parmetros, tipo

de retorno y de argumentos de una funcin, el mbito de referencia de

identificadores y la direccin de memoria. Interacciona tanto con el

analizador lxico, sintctico y semntico que introducen informacin

conforme se procesa la entrada. La fase de generacin de cdigo y

optimizacin tambin la usan.

Fases de Compilacin

Gestor de errores: detecta e informa de errores que se produzcan durante la fase de anlisis. Debe generar mensajes significativos y reanudar la traduccin.

Encuentra errores:

En tiempo de compilacin: errores lxicos (ortogrficos), sintcticos (construcciones incorrectas) y semnticos (p.ej. errores de tipo)

En tiempo de ejecucin: direccionamiento de vectores fuera de rango, divisiones por cero, etc.por cero, etc.

De especificacin/diseo: compilan correctamente pero no realizan lo que el programador desea.

Se trataran slo errores estticos (en tiempo de compilacin). Respecto a los errores en tiempo de ejecucin, es necesario que el traductor genere cdigo para la comprobacin de errores especficos, su adecuado tratamiento y los mecanismos de tratamiento de excepciones para que el programa se contine ejecutando.

Fases de Compilacin

La mayora de los compiladores son dirigidos por la sintaxis, es decir, el proceso de traduccin es dirigido por el analizador sintctico. El anlisis sintctico genera la estructura del programa fuente a travs de tokens. El anlisis semntico proporcionan el significado del programa basndose de la estructura del rbol de anlisis sintctico.

Las fases de anlisis lxico y anlisis sintctico se pueden automatizar de manera relativamente fcil, las verdaderas dificultades en la construccin de manera relativamente fcil, las verdaderas dificultades en la construccin de compiladores son el anlisis semntico, la generacin y la optimizacin de cdigo.

El nmero de pasadas, es decir, el nmero de veces que hay que analizar el cdigo fuente, esta en funcin del grado de optimizacin. Tpicamente se realiza una pasada para realizar el anlisis lxico y sintctico, otra pasada para el anlisis semntico y optimizacin del lenguaje intermedio y una tercera pasada para generacin de cdigo y optimizaciones dependientes de la mquina.

Estructuras de datos Empleadas

Componentes lxicos: estructura tipo registro con dos campos, componente lxico representado por una enumeracin y el lexema con una cadena de caracteres.

rbol sintctico: es una representacin de rbol de la estructura sintctica abstracta del cdigo fuente escrito en cierto lenguaje de programacin. Cada nodo del rbol denota una construccin que ocurre en el cdigo fuente.

Tabla de Smbolos: contiene informacin sobre los identificadores, funciones, variables, mbito de referencia de identificadores, constantes numricas y literales, tipos de datos, o incluso la direccin de memoria (tabla Hash).

Cdigo intermedio: se implementa como una lista de registros, donde cada registro tiene cuatro campos (operador, la direccin de los operndoos y del resultado). Es eficiente para mover cdigo para el proceso de optimizacin posterior.

Agrupamiento de fases En el modelo de anlisis y sntesis las operaciones del compilador que analizan

el programa fuente y calculan sus propiedades se clasifican como anlisis del compilador, mientras que las operaciones involucradas con la traduccin a cdigo objeto se conoce como sntesis del compilador.

Etapa de anlisis:

Anlisis lxico

Anlisis sintctico

Anlisis semnticaAnlisis semntica

Etapa de sntesis:

Optimizacin y generacin de cdigo intermedio

Generacin de cdigo objeto

La intencin de separa las etapas de anlisis y sntesis, es principalmente para realizar mantenimientos y actualizaciones eficientes.

Compilador Cruzado

Es un compilador que genera cdigo ejecutable para una plataforma

distinta a aquella en la que se ejecuta

Es muy comn construir un compilador en una plataforma Linux,

empleando un lenguaje ANSI C++ para una sintaxis tipo Basic que genere

cdigo objeto para Windows

ANSI C++

Linux

Basic

WindowsLinux

Windows

BasicANSI C++

Windows

Compilador Cruzado

Existe tambin la variante que implica un compilador para maquina abstracta,

que facilita la transportabilidad de compiladores de un lenguaje fuente a

varias maquina objeto. La construccin de este tipo de compiladores se realiza

en dos etapas:

front-end o etapa inicial: Las operaciones dependen slo del lenguaje

fuente. Incluye: anlisis lxico, sintctico y semntico, la creacin de la fuente. Incluye: anlisis lxico, sintctico y semntico, la creacin de la

Tabla de Smbolos, generacin de cdigo intermedio y algunas

optimizaciones. Adems, del manejo de errores de cada fase.

back-end o etapa final: Las operaciones dependen slo de la mquina

objeto. Incluye: generacin de cdigo objeto y optimizaciones

dependientes de la mquina. Depende de los modos de direccionamiento,

conjunto de instrucciones de la mquina, nmero de registros,

arquitectura de la mquina, sistema operativo, etc.

Compilador Cruzado

Principal ventaja de este mtodo:

Si se cambia de lenguaje fuente, entonces se reescribe el front-end. Si se

cambia la mquina objeto, entonces se reescribe el back-end. Si aparece

una nueva arquitectura, basta con desarrollar un traductor del lenguaje

intermedio a esa nueva mquina.

Cdigo fuente Cdigo intermedio Front-End Back-End Cdigo objeto

Compilador Cruzado

Herramientas Automticas

Son programas de ayuda en el proceso de escritura de compiladores: sistemas generadores de traductores. Tambin se les conoce como compiler writing tools, compiler generators, compiler-compilers. A continuacin mencionaremos los mas conocidos.

Generadores de analizadores lxicos: a partir de una especificacin basada en expresiones regulares. Lex / Flex.

Generadores de analizadores sintcticos: a partir de una entrada que es la gramtica independiente del contexto que representa la estructura sintctica del lenguaje. Yacc / Bison.

Generadores de cdigo: con rutinas para la generacin del rbol de anlisis sintctico y para su recorrido. En cada nodo se especifican las acciones para su traduccin a cdigo objeto correspondiente.

Bibliografa

Aho, A.V., Sethi, R., Ullman, J.D. (1990), Compiladores: principios, tcnicas

y herramientas, capitulo 1, pginas: 1- 25, 743-747.

Louden, K.C. (1997), Construccin de Compiladores: Principios y prctica,

capitulo 1, pginas: 1- 27.capitulo 1, pginas: 1- 27.

Historia Compiladores

Documents

Transcript of Historia Compiladores