Analiza lexicala

Analiza lexicala

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

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

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

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

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

indetificator -> litera (litera|cifra) litera ¶A¶|«|¶Z¶. constante cifra. 4 2 3 c .c 0 A1 c A2 0 : A3 0 . cifra ¶0¶|«|¶9¶. succesiune_caractere_speciale ´:=´| ³<>´.¶. cuvant_cheie ¶and¶|¶begin¶. Automatele finite corespunzatoare sunt urmatoarele: l 1 l. 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. Pentru a reprezenta analizorul lexical se construieste un automat global pentru recunoasterea simbolurilor de baza ale limbajului. astfel: A1 1 l : 3 4 A3 .

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: . .pentru fiecare tranzitie intr-o stare finala se introduce o actiune semantica care va codifica corespunzator atomul lexical. .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.in caz de eroare. se va introduce cate o actiune semantica pentru tratarea acesteia.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¶. .

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

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

daca ch este cifra atunci | | .¶ atunci | | * atomul este constanta reala | | * adauga caracterul la nume | | citeste ch | | .|* atomul este constanta intreaga | .daca ch este µe¶ sau µE¶ atunci | | * atomul este constanta reala | | * adauga caracterul la nume | | citeste ch | | .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 | | | | | | | .

¶ | citeste ch | altfel | * atom necunoscut | citeste ch - .¶ | * Caracterul special µ.daca ch este cifra atunci | | | .daca ch este µ=¶ atunci | | * secventa ³:=´ | | citeste ch | | altfel | | * Caracterul special µ:¶ | | altfel daca ch este µ.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 | .| | .

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful