Analiza lexicala

Analiza lexicala

De exemplu. . multimi finite. ³LESS´ si ³LT´.clasa identif. Clasele sunt pentru o anumita implementare.clasa constante intregi .Analiza lexicala transforma programul sursa. vazut ca un sir de caractere.clasa operatorilor. analizorul lexical va crea un atom lexical care sa o descrie. Totusi.clasa constante reale . de cele mai multe ori limitarae aparand in urma implementarii si nu datorita definitiei limbajului. intr-un sir de simboluri numite atomi lexicali (tokeus). daca in clasa operatorilor intra de obicei putini operatori (10 ± 20). . In majoritatea limbajelor de programare. drept clase vom gasi: . in clasa identificatorilor sau constantelor vom gasi un numar reletiv mare de elemente. In momentul in care o secventa de caractere a fost identificata ca o aparitie a unui simbol de baza. daca consideram ca reprezentari posibile pentru operatorul relational ³mai mic´ pe ³<´. toate trei vor conduce la crearea aceluiasi atom lexical. Un atom lexical poate fi privit ca un reprezentant al unei clase de siruri de caractere cu reguli de formare precise.

atomul lexical va contine un cod numeric. in cazul unui subsir clasificat ca identificator. modul de regasire al subsirului. De exemplu. atom lexical Clasa Valoare 1 zona sirurilor beta . adica in informatii codificate ce vor pastra esentialul : clasa fiecarui subsir si eventual.Sarcina analizorului lexical (scanner) este sa detecteze in sirul de caractere al PS. sa zicem 1. subsiruri ce respecta regulile de formare ale atomilor lexicali. reprezentand clasa si un indicator spre zona in care se gaseste memorat sirul de caractere. sa clasifice aceste subsiruri si sa le traduca in atomi lexicali.

In mod curent. iar in loc de indicator spre sir. atom lexical Clasa Valoare Nume/ valoare Atribute 1 beta Zona sirurilor . in atomul lexical se plaseaza un indicator spre intrarea din TS corespunzatoare identificatorului. atributele sale. sau ce reprezinta el in general. compilatorul mentine o zona rezervata pentru Tabela de Simboluri (TS). care este un ³dictionar´ al tuturor identificatorilor si constantelor din program. De exemplu: pentru fiecare identificator ne intereseaza daca el apare pentru prima data in program. indicatia (valoarea) este prelucrata spre a servi altor scopuri. In aceasta tabela trebuie cautat identificatorul depistat in sirul de intrare. In acest scop.

Proiectarea atomului finit pentru fiecare symbol de baza. In acest caz s-a depistat sfarsitul sirului iar in capul de citire a benzii de intrare este pozitionat pe urmatorul caracter. Stabilirea modului de tratare a erorilor. . In momentul in care un analizor Pascal ajunge in starea finala corespunzatoare acestuia se poate opri si poate accepta simbolul. extragere si reprezentare a simbolurilor de baza. Implementarea analizorului lexical. Pentru exemplificare sa consideram caracterul ³:´ care in limbajul Pascal este un simbol de baza. Delimitatorii (cuvintele cheie. nefiind inceputul unui alt simbol de baza.Construirea unui analizor lexical presupune parcurgerea urmatoarelor etape: Stabilirea simbolurilor de baza Stabilirea modului de recunoastere. Sarcina unui analizor lexical este sa extraga urmatorul sibol de baza din textul de intrare. caracterele speciale precum si combinatiile de caractere speciale) impreuna cu identificatorii si constantele reprezinta simbolurile de baza ale unui program sursa. De regula. pornind de la simbolurile de baza pot fi construite automate finite care sa le accepte. Reprezentarea si structura acestor simboluri de baza poate fi modificata fara a altera puterea de exprimare a limbajului. determinand sfarsitul simbolului in timpul cautarii.

analizorul trebuie sa avanseze dincolo de el pentru a vedea ce urmeaza. Daca atomul se opreste intr-o stare finala. constante caractere speciale. O reprezentare a gramaticilor pentru aceste simboluri poate fi urmatoarea: . In caz contrar. asigurandu-se astel o pozitie de intoarcere. Pentru reprezentare se pot folosi diagramele de tranzitie. se reface textul de la intrare in pozitia ultimei stari finale intalnite. dar este inceputul simbolului ³:=´. Se semnaleaza eroare lexicala doar in cazul in care nu s-a trecut printr-o stare finala in timpul parcurgerii sirului. succesiuni de caractere speciale. cuvinte cheie.Caracterul ³:´ este de asemenea un simbol de baza Pascal. Exemplu: Presupunem ca un limbaj are urmatoarele simboluri de baza: identificatori. a alfabetului de intrare si a functiei de tranzitie. Automatul trebuie deci sa retina informatii referitoare la cea mai recenta stare finala intalnita. Proiectarea automatului finit pentru determinarea unui anumit simbol de baza (atom lexical) presupune determinarea starilor automatului. procesul de obtinere a unui nou simbol de baza se incheie. De aceea.

Automatele finite corespunzatoare sunt urmatoarele: l 1 l. cifra ¶0¶|«|¶9¶. cuvant_cheie ¶and¶|¶begin¶.c 0 A1 c A2 0 : A3 0 . 4 2 3 c . succesiune_caractere_speciale ´:=´| ³<>´.indetificator -> litera (litera|cifra) litera ¶A¶|«|¶Z¶.¶. constante cifra. caracter_special ¶:¶| µ.

0 c : < 5 = > 7 6 8 A4 2 A2 .= : A4 0 < 7 > 8 5 6 unde l reprezinta litera iar c cifra. Acesta se realizeaza prin cuplarea celor 4 automate pe starea initiala 0. astfel: A1 1 l : 3 4 A3 . Pentru a reprezenta analizorul lexical se construieste un automat global pentru recunoasterea simbolurilor de baza ale limbajului.

in caz de eroare. Eliminarea caracterelor nesemnificative se poate face astfel: Spatiu alb orice car inafara de * si / / * * 0 9 10 11 / Analizorul lexical trebuie sa tina seama de urmatoarele cerinte: .in cazul tuturor tranzitiilor care provin din automatele A1 si A2 se va introduce o actiune care va concatena caracterul curent de la intrare la un sir dat.Pentru a extrage simbolul de baza care incepe dupa o pozitie p in sirul de intrare trebuie sa recunoastem si sa stergem caracterele nesemnificative ± ca de exemplu spatiile albe (blanc) si comentariile (/* orice sir format din caractere diferite de * si /) ± trebuie sa folosim automatul pentru a citi simbolul si sa fixam pozitia finala p¶. . . se va introduce cate o actiune semantica pentru tratarea acesteia.pentru fiecare tranzitie intr-o stare finala se introduce o actiune semantica care va codifica corespunzator atomul lexical. .

constanta_intreaga cifra+ 3. dupa modelul anterior urmatoarele gramatici: 1. . cifra µ0¶ |«|¶9¶. constanta_reala cifra+ scara | cifra+ ¶. -constante reale.¶cifra+ [scara] scara µe¶ [µ+¶ | µ-µ] constanta_intreaga. indetificator litera (litera | cifra)* litera ¶a¶ | µA¶ «|¶Z¶. -constante intregi -caracterele speciale µ:¶ si µ.¶ -secventa de aractere speciale ³:=´ -cuvintele cheie ³begin´. ³end´. Se vor construi. Se va folosi o structura de date de tip inregistrare care va contine urmatoarele campuri: codul atomului lexical si valoarea sa. 2.Problema rezolvata Sa se implementeze un analizor lexical care sa recunoasca: -identificatori.

Algoritmul in pseudocod: * initializeaza nume=´ ³ -cat_timp ch este spatiu alb repeta |citeste ch .daca * nume este cuvant cheie atunci | | *codifica corespunzator | | astfel | | * atomul este identificator | | altfel daca ch este cifra atunci | .repeta | | * adauga caracterul ch la nume | | citeste ch | | pana ch este diferit de litera sau cifra | | .daca ch este litera atunci | .repeta | | * adauga caracterul ch la nume | | citeste ch | | pana ch este diferit de cifra | | .

daca ch este µ+¶ sau µ-µ atunci | | | * adauga semnul in nume | | | citeste ch | | - .daca ch este µ.repeta | | | | * adauga caracterul ch la nume | | | | citeste ch | | | | pana ch este diferit de cifra | | | | | | | .daca ch este µe¶ sau µE¶ atunci | | * atomul este constanta reala | | * adauga caracterul la nume | | citeste ch | | .|* atomul este constanta intreaga | .¶ atunci | | * atomul este constanta reala | | * adauga caracterul la nume | | citeste ch | | .daca ch este cifra atunci | | .

| | .¶ | citeste ch | altfel | * atom necunoscut | citeste ch - .repeat | | | | * adauga caracterul ch la nume | | | | citeste ch | | | | pana ch este diferit de cifra | | | | | | | altfel daca ch este µ:¶ atunci | * adauga ch la nume | citeste ch | .daca ch este µ=¶ atunci | | * secventa ³:=´ | | citeste ch | | altfel | | * Caracterul special µ:¶ | | altfel daca ch este µ.daca ch este cifra atunci | | | .¶ | * Caracterul special µ.

nume[*k+1]=0. (*k)++. struct {tipAtom cod.catrib. } atom.h> #define dim 25 typedef enum {cid. } } void Analex(void){ static int k. int ch.cpv.h> #include <stdlib. /*Daca este litera */ .Programul C este: #include <stdio.nume[*k]=ch.cend. atom.creal. /*Elimina spatiile*/ while(isspace(ch)) ch=getc(f).h> #include <string. atom.nume[0]=0.h> #include <ctype.cbad.h> #include <conio. char nume[dim].cdpct.ceof }tipAtom . void Adauga(int *k){ if(*k < dim-1) { atom. /*Initializare atom */ atom.cbegin.cint. FILE *f.cod=cbad.

else atom."end")) atom.nume."begin")) atom. while(isalnum(ch)){ Adauga(&k). ch=getc(f). } if(!strcmp(atom. else if(!strcmp(atom. Adauga(&k). do{ Adauga(&k). ch=getc(f).cod=cend.cod=cid.if(isalpha(ch)){ k=0. /*Atomul este constanta intreaga */ atom. /*Retine partea fractionara */ .nume. ch=getc(f).cod=cbegin. } /*Daca este cifra */ else if(isdigit(ch)){ k=0.cod=cint. }while(isdigit(ch)).

} } . }while(isdigit(ch)). Adauga(&k). if(isdigit(ch)){ do{ Adauga(&k). if(ch=='+' || ch=='-'){ Adauga(&k). } } /*Retine exponentul */ if(ch=='e' || ch=='E'){ /*Atomul este constanta reala */ atom. ch=getc(f).cod=creal. } if(isdigit(ch)){ do{ Adauga(&k).cod=creal. ch=getc(f). ch=getc(f).'){ /*Atomul este constanta reala */ atom. ch=getc(f). Adauga(&k).if(ch=='. ch=getc(f). }while(isdigit(ch)).

'){ k=0. if(ch=='='){ Adauga(&k). ch=getc(f).cod=catrib. atom. atom. ch=getc(f). ch=getc(f).cod=cpv. atom.cod=cdpct. Adauga(&k).nume[1]=0. Adauga(&k).cod=cbad. ch=getc(f)./*Avanseaza la urmatorul caracter */ } } . }/*Daca este sfarsit de fisier */ else if(ch==-1) atom. atom.} /*Daca este doua puncte*/ else if(ch==':'){ k=0. else{ /*Este caracter ilegal */ atom. atom. } } /*Daca este punct si virgula */ else if(ch=='.cod=ceof.nume[0]=ch.

} .atom."*NUME*******"). } return 0."Cannot open input file \n"). printf("%5d %-15s\n".){ Analex().int main(void){ char fisier[17]. printf("%5s %-15s\n".fisier).atom.cod.cod !=ceof.nume)."*COD*". for(. printf("\nDati numele fisierului care se analizeaza "). } ch=' '. if((f=fopen(fisier.atom."rt"))==NULL){ fprintf(stderr. // clrscr(). scanf("%s". exit(1).

in primul rand. completata cu problema codificarii atomilor lexicali si cu probelma semnalarii si tratarii erorilor. In general. daca este posibil. modulul formal folosit in conceperea cuvintelor din limbaj este automatul finit. Odata stabilit tipul atomilor lexicali si avand o gramatica pentru acest limbaj. A N. . Modelul va fi completat in momentul proiectarii cu alte facilitati pentru a raspunde ami bine nevoilor analizei lexicale.Modelul analizorului lexical Sintaxa atomilor lexicali se prezinta sub forma unei gramatici regulate sau a unui GIC care genereaza un limbaj regulat. Pentru a vea imaginea completa. ca o problema de decizie: sa stabileasca despre sirul de caractere daca este sau nu atom lexical. restrictia impusa GIC pentru a putea fi transformata. se obisnuieste ca toate aspectele legate de tratarea erorilor sa se rezolve printr-o colectie proceduri comune tuturor fazelor. problema de decizie trebuie. numai un tip de recursivitate: la stanga sau la dreapta. instrumentul matematic. In diferite faze ale compilarii exista sarcini comune ale tratarii erorilor. este ca niciun neterminal sa nu fie autocontinut. in primul rand necesitatii de generare a atomilor lexicali. In acest din urma caz exista metode simple de a transforma gramatica intr-o gramatica regulata echivalenta. A A [( = sau = ] O solutie simpla pentru a obtine aceasta conditie este ca in productiile gramaticii sa se foloseasca. in continuare. In cazul unui limbaj regulat. iar problema apartenentei la un limbaj este decidabila. Automatul finit poate fi considerat modelul de baza al analizorului lexical. Se va pune in evidenta modul in care se face detectarea erorilor in analizorul lexical. De aceea. problema analizei lexicale apare. adica: + pentru orice A.

Sign up to vote on this title
UsefulNot useful