Introduccin a compiladores

Definicin de compilador
Historia de los compiladores
Tipos de traductores
Fases de un compilador
Agrupamiento de fases
Compiladores cruzados
Herramientas automticas
 Definicin de compilador
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.

Lenguaje Fuente Traductor Lenguaje Destino

Mensajes de error
 Definicin de compilador
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,

compilador no es tarea fcil,
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

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
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.
 Historia de los Compiladores
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,
LISP que se tradujo
t d j manualmente
l t a cdigo
di ded mquina,
i construyendo
t d de
d
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.
 Historia de los 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,
980 comienzan
i a proliferar
lif l tcnicas
las i d mejoramiento
de j i d cdigo
de di
(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.
 Tipos de Traductores
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.
 Tipos de Traductores
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.

Ventajas del intrprete

Un interprete necesita menos memoria que un compilador

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

 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.

regulares

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

a identificador
Genera los siguientes [ corchete de apertura
componentes lxicos: indice Identificador
] corchete de cierre
= operador de asignacin
4 numero
+ operador suma
2 numero
; punto y coma
 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
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

 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.

 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.
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.
entera

 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 cdigog 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).

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
p a mano,, y son complejos
p j p porque
q la ggeneracin 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 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,
(arreglos registros,
registros etc.)
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
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,
(arreglos registros,
registros etc.)
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,
cero etc.
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,
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 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++ Basic

ANSI C++ Basic
Linux Linux Windows
Windows
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

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

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.