Compilerbau I Sommersemester 2008

Transkript

1 Fachbereich 12 Informatik und Elektrotechnik Programmiersprachen Kurt Sieber Benedikt Meurer Compilerbau I Sommersemester 2008 Übungsblatt 1 Aufgabe 1 Der erweiterte reguläre Ausdruck α{m, n erkennt zwischen m und n Vorkommen von α. Zeigen Sie, dass sich jeder erweiterte Ausdruck dieser Form tatsächlich als syntaktischer Zucker für die in der Vorlesung eingeführte Syntax von regulären Ausdrücken auffassen lässt. D er erweiterte reguläre Ausdruck α{m, n erkennt genau die Wörter, die mindestens m Vorkommen von α aufweisen, aber nicht mehr als n. Ersteres lässt sich einfach ausdrücken durch α.{{.. α. m Im Anschluss dürfen 0 bis n m Vorkommen von α folgen, was sich wie folgt als regulärer Ausdruck darstellen lässt: α?... α? {{ n m

2 Insgesamt ergibt sich: α.{{.. α α?.{{.. α? m n m Aufgabe 2 Neben der Spezifikation von Lexern finden reguläre Ausdrücke vorallem Anwendung in der Validierung von Eingaben aus nicht vertrauenswürdigen Quellen. Aktuelle Beispiele aus der Praxis sind u.a.: a. IPv4 Adressen b. Host- und Domainnamen c. Adressen Geben Sie reguläre Ausdrücke für diese Beispiele an. Recherchieren Sie ggfs. zunächst die entsprechenden RFCs. Zusatzübung: Überlegen Sie sich einen regulären Ausdruck, um (alle!) gültigen IPv6 Adressen zu erkennen. S eien im Folgenden α = [a za Z] und δ = [0 9]. a. Wir beschränken uns hier auf die allgemeingebräuchliche dotted-decimal notation für IPv4 Adressen, welche die Form d 1.d 2.d 3.d 4 haben, mit 0 d i 255 für i = 1,..., 4. Entsprechend muss zunächst ein regulärer Ausdruck entwickelt werden, der alle gültigen Dezimaldarstellungen von Zahlen im Bereich 0 bis 255 erkennt. Hierzu wird das Intervall geeignet aufgeteilt: γ 0 99 = [1 9]? δ γ = 1 δ δ 2

3 γ = 2 [0 4] δ γ = 2 5 [0 5] Der vollständige reguläre Ausdruck für Dezimalzahlen zwischen 0 und 255 ergibt sich dann einfach durch Vereinigung der oben aufgeführten Teilausdrücke: γ = γ 0 99 γ γ γ Ausgehend hiervon ist es nun leicht einen regulären Ausdruck für IPv4 Adressen anzugeben, naiv könnte dieser zum Beispiel wie folgt aussehen oder etwas eleganter unter Ausnutzung von Aufgabe 1. γ. γ. γ. γ (γ.){3, 3 γ b. Bestandteile von Host- und Domainnamen duerfen lediglich Ziffern, Buchstaben und Bindestrich enthalten, wobei das erste Zeichen stets ein Buchstabe sein muss und das letzte Zeichen entweder ein Buchstabe oder eine Ziffer (vgl. RFC 952). Entsprechend wird zunächst wieder ein regulärer Ausdruck für die Komponenten konstruiert: κ = α ( ( α δ) (α δ) )? Darauf aufbauend lässt sich nun ein regulärer Ausdruck für Host- und Domainnamen konstruieren: (κ.) + κ Anzumerken ist hierbei, dass dieser Ausdruck sehr allgemein gehalten ist und nicht die speziellen Beschränkungen der Verwaltungsinstitutionen berücksichtigt (z.b. akzeptiert die DENIC keine Topleveldomains mit weniger als 3 Zeichen). c. Eine gültige Adresse besteht aus zwei Teilen, dem sog. local part vor und dem fully qualified domain name (FQDN). Letzteres ist bereits durch den regulären Ausdruck aus der vorangegangenen Aufgabe abgedeckt. Über das genaue Aussehen des local part besteht bis heute 3

4 keine Einigkeit. Traditionell war dies der Accountname des Benutzers auf dem Zielsystem. SMTP (oder UUCP) fähige Systeme waren damals wie heute fast ausschliesslich UNIX-Systeme, entsprechend unterlag der local part den gleichen Restriktionen wie die UNIX Accountnamen, welche wiederum von UNIX-Derivat zu UNIX-Derivat unterschiedlich sind. Mittlerweile existiert mit RFC 2822 zwar eine konkrete Spezifikation, wie eine gültige Adresse auszusehen hat, allerdings sind längst nicht alle Mailserver konform zu dieser Spezifikation. An dieser Stelle wird deshalb kein konkreter regulärer Ausdruck angegeben, sondern es bleibt dem Studenten überlassen, sich anhand dieser Informationen einen geeigneten Ausdruck zu überlegen. Aufgabe 3 Machen Sie sich mit dem Lexergenerator JFlex vertraut, indem Sie JFlex Spezifikationen (und Java Testprogramme) für die regulären Ausdrücke aus Aufgabe 2 a. - c. erstellen. D ie Umsetzung in JFlex wird beispielhaft an Aufgabe 2 a. durchgeführt, nachfolgend ist die Datei IPv4.jflex dargestellt: %% %class IPv4 %unicode %type Object %{ public static void main(string[] args) { try { (new IPv4(new java.io.stringreader(args[0]))).yylex(); catch (Exception e) { e.printstacktrace(); 4

5 % Delta = [0-9] Gamma0 = [1-9]? {Delta Gamma100 = 1 {Delta {Delta Gamma200 = 2 [0-4] {Delta Gamma250 = 2 5 [0-5] Gamma = {Gamma0 {Gamma100 {Gamma200 {Gamma250 %% {Gamma \. {Gamma \. {Gamma \. {Gamma { System.out.println("Valid IPv4 Adress: " + yytext() + " ");. \n { throw new java.io.ioexception("illegal character: " + yytext() + " "); Der Scanner kann nun mit den folgenden Kommandos generiert werden (sofern JFlex und Java korrekt installiert sind): jflex IPv4.jflex javac IPv4.java Alternativ kann JFlex auch aus Eclipse heraus verwendet werden; dazu mehr im Labor. Wie unschwer zu erkennen, erwartet das Programm einen Parameter und prüft, ob es sich bei dem Inhalt dieses Parameters um eine gültige IPv4 Adresse handelt, z.b. 5

6 $ java IPv4 " " Valid IPv4 Adress: wie zu erwarten. Aufgabe 4 Erstellen Sie weiter JFlex Spezifikationen (und entsprechende Java Testprogramme), welche die folgenden Bestandteile der Java Syntax erkennen: a. alle gültigen Identifier b. alle gültigen Integer Konstanten c. alle gültigen Floating Point Konstanten Achten Sie darauf, dass Ihre Spezifikationen exakt sind. I m Folgenden werden statt der vollständigen JFlex Spezifikationen nur die relevanten Ideen angegeben. a. Die gültigen Identifier sind nahezu trivial, denn JFlex stellt die Character- Klassen [:jletter:] und [:jletterdigit:] zur Verfügung. b. Die gültigen (dezimalen) Integer Konstanten lassen sich durch die folgenden regulären Ausdrücke erkennen: Octal: γ oct = 0 [0 7] [ll]? Dezimal: γ dec = [ ]? (0 [1 9] [0 9]?) [ll]? Hexadezimal: γ hex = 0 x ([0 9][a fa F ]) + [ll]? 6

7 Die Vereinigung dieser Ausdrücke ergibt dann einen regulären Ausdruck, welcher alle Integer Konstanten erkennt. Zu beachten ist hierbei, dass diese Ausdrücke auch ungültige Konstanten erkennen, wenn diese ausserhalb des Wertebereichs von int bzw. long liegen. Will man hunderprozentig korrekte Ausdrücke haben, kann man dies analog zur Vorgehensweise in Aufgabe 2 a. erreichen. c. Bekannte Vorgehensweise, zu beachten ist das optionale Suffix f oder F, welches anzeigt, dass es sich um eine float Konstante handelt, und natürlich der optionale Exponent. Aufgabe 5 Überlegen Sie sich intuitiv sowohl einen ɛ-ndea als auch einen DEA für den aus der Vorlesung bekannten regulären Ausdruck: [+ ]? [0 9]+ D er ɛ-ndea für den regulären Ausdruck wurde hja bereits in der Vorlesung vorgestellt. Ein intuitiv konstruierter DEA könnte wie folgt aussehen: +, s 2 +, s 0 0,..., 9 s 3 0,..., 9 s 1 +, 0,..., 9, +, 0,..., 9 7