Grundlagen der Programmierung 3 A

Transkript

1 Grundlagen der Programmierung 3 A Compiler A: Phasen; Scanner Prof. Dr. Manfred Schmidt-Schauß Sommersemester 2017

2 Compiler; Übersetzungsprogramme Ein Übersetzer (Compiler) ist ein Programm, das ein Wort einer formalen Sprache S 1 (den Quelltext) in ein Wort einer anderen formalen Sprache S 2 (den Zieltext) umwandelt, wobei die Semantik erhalten bleibt. (Semantik meist separat erklärt) Beispiele: Programme in Haskell, Java, Python, oder PASCAL, werden in Maschinenkode, C, Assembler, oder Bytecode übersetzt. LaTex-Eingaben werden in eine PDF-Datei (bzw. ps-datei) übersetzt Grundlagen der Programmierung 2 (Compiler-A) 2/28

3 Compiler für Programmiersprachen Ein Compiler ist ein Programm, das ein S 1 -Programm (das Quellprogramm) in ein S 2 -Programm (das Zielprogramm) umwandelt, wobei die (operationale) Semantik erhalten bleibt Grundlagen der Programmierung 2 (Compiler-A) 3/28

4 Phasen eines Compilers Lexikalische Analyse (Scanning): Text des Programms wird in Tokenstrom umgewandelt Syntaxanalyse (Parsing): Tokenstrom wird entsprechend der Grammatik in einen Syntaxbaum transformiert Semantische Analyse: Typcheck, Scope von Variablen,... Zwischencode-Erzeugung: Generierung von Code für eine abstrakte Maschine Codeoptimierung: Verbesserung des Zwischencodes Code-Erzeugung: Erzeugung des Ausgabe-Programms (z.b. in C, Assembler) Grundlagen der Programmierung 2 (Compiler-A) 4/28

5 Phasen eines Compilers: Diagramm Quelltext (String) Syntaxbaum Zwischencode Lexikalische Analyse Syntaktische Analyse Semantische Analyse Zwischencodeerzeugung Codeoptimierung Codegenerierung Tokenstrom Syntaxbaum (annotiert) Zwischencode (optimiert) maschinennaher Code Grundlagen der Programmierung 2 (Compiler-A) 5/28

6 T-Diagramme nach N. Wirth S 1 S 2 S 3 S 1 S 2 S 3 S 3 Intp Übersetzung von S 1 nach S 2 Programm ist geschrieben in S 3 Im rechten Diagramm: ein Interpreter für S 3 ist vorhanden. Compiler kann ausgeführt werden. Grundlagen der Programmierung 2 (Compiler-A) 6/28

7 Zusammensetzen von Compilern: S 1 S 2 S 2 S 3 S 4 S 4 Intp S 5 S 5 Intp Hintereinanderausführung: übersetzt S 1 S 3, falls S 4 und S 5 -Interpreter vorhanden sind. Grundlagen der Programmierung 2 (Compiler-A) 7/28

8 Zusammensetzen von Compilern: S 1 S 2 S 1 S 2 S 4 S 4 S 5 S 6 S 6 Intp S 5 S 5 Intp Das rechteste (blaue) T-Diagramm steht für den resultierenden Compiler. Konstruierbar: lauffähiger Übersetzer von S 1 nach S 2 der nur einen S 5 -Interpreter benötigt Grundlagen der Programmierung 2 (Compiler-A) 8/28

9 T-Diagramme; Anwendung: Bootstrapping Konstruktion eines Compilers für die Programmiersprache P möglichst viel bereits in P geschrieben. Untersprachen: P XXL P L P Core 1. P Core -Compiler für einen kleinen Ausschnitt von P 2. P L -Übersetzer nach P Core, geschrieben in P Core 3. P L - Compiler zusammensetzen ; (Resultat: blau) P L P Core P L P Core P Core C P L C P Core P Core C C C C C C Intp C Intp C Intp C Intp Grundlagen der Programmierung 2 (Compiler-A) 9/28

10 Anwendung der T-Diagramme: Bootstrapping Darauf aufbauend kann man weiter konstruieren P XXL P L P XXL P L P L C P XXL C P L P L C C C C C C Intp C Intp C Intp Resultat: C Intp Ein Compiler, der die volle Sprache P XXL übersetzt. und der in P L geschrieben ist. Grundlagen der Programmierung 2 (Compiler-A) 10/28

11 Phasen eines Compilers Lexikalische Analyse (Scanning): Text des Programms wird in Tokenstrom umgewandelt Syntaxanalyse (Parsing): Tokenstrom wird entsprechend der Grammatik in einen Syntaxbaum transformiert Semantische Analyse: Typcheck, Scope von Variablen,... Zwischencode-Erzeugung: Generierung von Code für eine abstrakte Maschine Codeoptimierung: Verbesserung des Zwischencodes Code-Erzeugung: Erzeugung des Ausgabe-Programms (z.b. in C, Assembler) Grundlagen der Programmierung 2 (Compiler-A) 11/28

12 Phasen eines Compilers: Diagramm Quelltext (String) Syntaxbaum Zwischencode Lexikalische Analyse Syntaktische Analyse Semantische Analyse Zwischencodeerzeugung Codeoptimierung Codegenerierung Tokenstrom Syntaxbaum (annotiert) Zwischencode (optimiert) maschinennaher Code Grundlagen der Programmierung 2 (Compiler-A) 12/28

13 Beispiele zu den Phasen Lexikalische Analyse Z.B. IF 13 == X1 THEN A wird zu: ( IF, 13, ==, X1, THEN, A ) Grundlagen der Programmierung 2 (Compiler-A) 13/28

14 Beispiele zu den Phasen Lexikalische Analyse Z.B. IF 13 == X1 THEN A wird zu: ( IF, 13, ==, X1, THEN, A ) Syntaxanalyse (Parsing): Test, ob das Programm der Grammatik entspricht. Umwandlung in Herleitungsbaum, dann in Syntaxbaum: Z.B. ( IF, 13, ==, X1, THEN, A ) wird zu: IFTHEN IF THEN A == A 13 == X1 13 X1 Grundlagen der Programmierung 2 (Compiler-A) 13/28

15 Beispiele zu den Phasen Lexikalische Analyse Z.B. IF 13 == X1 THEN A wird zu: ( IF, 13, ==, X1, THEN, A ) Syntaxanalyse (Parsing): Test, ob das Programm der Grammatik entspricht. Umwandlung in Herleitungsbaum, dann in Syntaxbaum: Z.B. ( IF, 13, ==, X1, THEN, A ) wird zu: IFTHEN IF 13 == X1 THEN A == 13 X1 Semantische Analyse Typüberprüfungen: Z.B. 1 + a wird zurückgewiesen. Scopeprüfungen: Sind Variablen/Funktionen/... definiert? Sind sie an der richtigen Stelle deklariert? A Grundlagen der Programmierung 2 (Compiler-A) 13/28

16 Weitere Komponenten Symboltabelle speichert wesentliche Attribute (Typ, Gültigkeitsbereich, etc.) der Bezeichner des Quellprogramms. Fehlerbehandlung Analyse der Fehler, Lokalisierung im Quellprogramm, Meldung an den Benutzer. Evtl. automatische Behebung des Fehlers und Fortsetzung der Übersetzung Grundlagen der Programmierung 2 (Compiler-A) 14/28

17 Weitere mögliche Phasen Einleseroutine; Zeichenbehandlung abhängig vom Prozessor bzw. Betriebssystem I.a. Standard-Routinen (Einlesen, Zeichenkodierung) Präprozessor Vorverarbeitung des Quellprogramms (i.a. Makro-Expansion) Assembler Objektcode. übersetzt das Assemblerprogramm in Binder/Lader Umsetzung in ausführbaren Maschinenkode plus Hinzunahme von anderem Objektcode z.b. aus Bibliothek Grundlagen der Programmierung 2 (Compiler-A) 15/28

18 Front-End und Back-End Aufteilung des Compilers: Front-End: maschinenunabhängiger Teil (z.b. Syntaxanalyse, lexikalische Analyse, Typüberprüfung, Zwischencode-Erzeugung, Zwischencode-Optimierung). Back-End: maschinenspezifischer Teil (z. B. I/O, Codegenerierung) Grundlagen der Programmierung 2 (Compiler-A) 16/28

19 Worte, Zeichenketten, formale Sprachen Gegeben: ein Alphabet Σ Definitionen: Eine Zeichenkette (String) ist endliche Folge von Σ-Symbolen ε bezeichnet den leeren String Σ : die Menge aller Worte über Σ formale Sprache über Σ: ist definiert als eine Teilmenge von Σ Beispiele Σ = {a, b, c}, ac, aaaabcc sind Strings über Σ. Grundlagen der Programmierung 2 (Compiler-A) 17/28

20 Beispiele Σ = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}: Die Ziffernrepräsentationen aller natürlichen Zahlen ist eine formale Sprache über Σ. Z.B. 111, 7, ,... Σ = {A,..., Z, a,..., z, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, ), (,...}. Alle möglichen Haskell-Programme (als Strings) sind eine formale Sprache über Σ. Z.B. die Zeichenfolge: main = map quadrat [] Grundlagen der Programmierung 2 (Compiler-A) 18/28

21 Reguläre formale Sprachen: Formalismen Beschreibungsmöglichkeiten für reguläre formale Sprachen: reguläre Ausdrücke (rechts- bzw. links-)reguläre Grammatik (nur ein Nichtterminal am rechten bzw. linken Ende von rechten Seiten von Produktionen erlaubt) DEA (deterministischer endlicher Automat): akzeptierte Sprache NEA (nicht-deterministischer endlicher Automat): akzeptierte Sprache Diese sind alle äquivalent in folgendem Sinn: die gleichen formalen Sprachen sind damit definierbar Grundlagen der Programmierung 2 (Compiler-A) 19/28

22 Reguläre Ausdrücke: Beispiele 0+( )( ) positive ganze Zahlen (als Text) Grundlagen der Programmierung 2 (Compiler-A) 20/28

23 Reguläre Ausdrücke: Beispiele 0+( )( ) positive ganze Zahlen (als Text) (A Z)(A Z + a z) Worte, die mit Großbuchstaben beginnen Grundlagen der Programmierung 2 (Compiler-A) 20/28

24 Reguläre Ausdrücke: Beispiele 0+( )( ) positive ganze Zahlen (als Text) (A Z)(A Z + a z) Worte, die mit Großbuchstaben beginnen (A Z)(A Z + a z)(a Z + a z) Worte aus drei Buchstaben, die mit Großbuchstaben beginnen Nicht regulär: alle geklammerten Ausdrücke wie (1 + ((2 + 3) + 9) Grundlagen der Programmierung 2 (Compiler-A) 20/28

25 Lexikalische Analyse (Tokenizer, Scanner) Aufgaben-Aufteilung des Compilers: Zuerst Scanner (lokale) Zeichen (Symbol-)Analyse Dann Parser Syntax-Analyse (kommt noch) Aufgaben des Scanners: Erkennung von: Zahlen, Bezeichner, Namen, Schlüsselworte, Strings d.h. reguläre Ausdrücke Aufbau der Symboltabelle Zeichenstrom Tokenstrom und Weitergabe an den Parser Es gibt Scanner-Generatoren (Z.B. lex). Allerdings ist es oft einfacher, einen Scanner selbst zu schreiben. Z.B. unter Benutzung endlicher Automaten. Grundlagen der Programmierung 2 (Compiler-A) 21/28

26 Scanner: Etwas genauer Einlesen des Programmtexts als lineare Zeichenkette Beseitigung von Kommentaren, Leer- und Tabulatorzeichen. Zusammenfassen von Teilstrings (Schlüsselworte, Bezeichner, Zahlenwerte, u ä) Ergebnis: Strom von Token Ein Token kann bestehen aus: Markierung: Art des Tokens (Schlüsselwort, Name, Zahl,... ) Attribute: wie String, Zahlwert, Position im Eingabefile. Üblich: Eigenes Ende-Token für Eingabestrom. Grundlagen der Programmierung 2 (Compiler-A) 22/28

27 Beispiel für Tokens Eingabe Tokenmarkierung Attribut Position in der Eingabe if Keyword if Num x1 Id x Mult Code( ) 2000 <= Relop Code(<=) (501,30) Grundlagen der Programmierung 2 (Compiler-A) 23/28

28 Grammatik-Zerlegung: Scanner Parser Zahl ::= Ziffer Ziffer Zahl Ziffer ::= Bezeichner ::= Char Char RestBez RestBez ::= Alphanum RestBez Alphanum Alphanum ::= Ziffer Char E ::= E + T T T ::= T F F F ::= (E) Zahl Bezeichner Parseralphabet = {Tokenmarkierungen} Parseralphabet im Beispiel: {+,*,Zahl, Bezeichner,),( } Der Parser behandelt alle Bezeichner als ein einziges Terminal Grundlagen der Programmierung 2 (Compiler-A) 24/28

29 Compiler-Phasen: Struktur und Typen Typen der Funktionen, in Haskell-Notation: Scanner: deterministischer Teil-Parser: Teil-Parser mit Backtracking Gesamt-Parser: String -> [Token] [Token] -> ([Token], Syntaxbaum) Tokenliste -> (Rest der Tokenliste, Syntaxbaum der konsumierten Tokenliste) [Token] -> [([Token], Syntaxbaum)] Tokenliste -> Liste der Möglichkeiten [Token] -> Syntaxbaum Grundlagen der Programmierung 2 (Compiler-A) 25/28

30 Fehlererkennung des Scanners falsche Zahlen Z.B. 123.a falsche Escape-Folgen in Strings, ein fehlendes String-Endezeichen, oder evtl. Längenüberschreitungen. Bezeichner, die nicht der Konvention entsprechen Ungültige Symbole in bestimmten Kontexten Nicht erkennbar für den Scanner: Klammerfehler, Klammerfehler bzgl. (tief) geschachtelter Kommentare falsche Schlüsselworte. Grundlagen der Programmierung 2 (Compiler-A) 26/28

31 Scannen von Kommentaren und Strings String im Eingabestrom: = Unterstring mit linkem und rechtem Begrenzungssymbol. Bekannte Problematik: String im String? Beachte: trennt, erzeugt aber keine Klammerstruktur sinnvolle Lösungsalternativen: Escape-symbol \ als Kommando: \ im String \\ im String \ Verdopplung: im String Nachteil: Exponentiell große Strings könnten in der Eingabe erforderlich sein abhängig von der Tiefe bzw. der Anzahl Scanner-Durchgänge. Der Scanner darf keine Leerzeichen in Strings entfernen Grundlagen der Programmierung 2 (Compiler-A) 27/28

32 Scannen von Kommentaren: Zeilenkommentare geklammerte Kommentare Anfangssymbol z.b. * oder ; oder % oder oder //. Kommentar-Begrenzer: Z.B. Anfang: /, Ende: /. Aktuelle Programmiersprachen: nur eine Klammerebene; Echte Kommentar-Schachtelung muss vom Parser erkannt werden. Beachte Zeilenkommentar im String sind Stringzeichen. Grundlagen der Programmierung 2 (Compiler-A) 28/28