Procesamiento de Lenguajes (PL) Curso 2015/2016. Práctica 5: traductor a código m2r

Transcripción

1 Procesamiento de Lenguajes (PL) Curso 2015/2016 Práctica 5: traductor a código m2r Fecha y método de entrega La práctica debe realizarse de forma individual o por parejas 1, y debe entregarse a través del servidor de prácticas del DLSI antes de las 23:59 del jueves 2 de junio de 2016 (fecha improrrogable). Al servidor de prácticas del DLSI se puede acceder de dos maneras: Desde la web del DLSI ( en el apartado Entrega de prácticas Desde la URL Una vez en el servidor, se debe elegir la asignatura PL y seguir las instrucciones. En el caso de que la práctica la haya realizado una pareja, debe entregarla solamente una de las dos personas de la pareja, y poner en un comentario los nombres y DNIs de los dos componentes de la pareja. Si no aparece dicho comentario se entenderá que la práctica se entrega de forma individual. Descripción de la práctica La práctica 5 consiste en realizar un compilador para el lenguaje fuente que se describe más adelante (un subconjunto de Pascal), que genere código para el lenguaje objeto m2r, utilizando como en la práctica anterior bison y flex. Los fuentes deben llamarse plp5.l y plp5.y. Para compilar la práctica se utilizarán las siguientes órdenes: $ flex plp5.l $ bison -d plp5.y $ g++ -o plp5 plp5.tab.c lex.yy.c El compilador debe diseñarse teniendo en cuenta las siguientes restricciones: 1. En ningún caso se permite que el código objeto se vaya imprimiendo por la salida estándar conforme se realiza el análisis, debe imprimirse al final. 2. Tampoco se permite utilizar ningún buffer o array global para almacenar el código objeto generado, el código objeto que se vaya generando debe circular por los atributos de las variables de la gramática (en memoria dinámica), y al final, en la regla correspondiente al símbolo inicial, se imprimirá por la salida estándar el código objeto; éste debe ser el único momento en que se imprima algo por la salida estándar. Se recomienda utilizar el tipo string para almacenar el código generado. 3. Se aconseja utilizar muy pocas variables globales, especialmente en las acciones semánticas de las reglas; en ese caso siempre es aconsejable utilizar atributos. El uso de variables globales está, en general, reñido con la existencia de estructuras recursivas tales como las expresiones o los bloques de instrucciones. Se pueden utilizar variables globales temporales mientras se usen sea únicamente dentro de una misma acción semántica, sin efectos fuera de ella. Si se produce algún tipo de error, léxico, sintáctico o semántico, el programa enviará un mensaje de error de una sola línea a la salida de error (stderr). Se proporcionará una función msgerror que se encargará de generar los mensajes de error correctos, a la que se debe pasar la fila, la columna y el lexema del token más relacionado con el error; en el caso de los errores léxicos y sintácticos, el lexema será la cadena yytext que proporciona el analizador léxico. 1 Una pareja está compuesta por exactamente dos personas, no tres, ni cuatro,...

2 PL, 2015/ Especificación sintáctica La sintaxis del lenguaje fuente puede ser representada por la siguiente gramática: S program id pyc BDecl Bloque punto Bloque begin SeqInstr end BDecl ɛ BDecl BlVar BDecl BlVar var Decl pyc Decl Decl pyc DVar Decl DVar DVar LIdent dosp Tipo TipoSimple integer TipoSimple real TipoSimple char TipoSimple boolean Tipo TipoSimple Tipo array lcor nint ptopto nint rcor of Tipo LIdent LIdent coma id LIdent id SeqInstr SeqInstr pyc Instr SeqInstr Instr Instr Bloque Instr Ref assop Expr Instr wri lpar LExpr rpar LExpr LExpr coma Expr LExpr Expr Instr read lpar LRef rpar LRef LRef coma Ref LRef Ref Instr if Expr then Instr Instr if Expr then Instr else Instr Instr while Expr do Instr Expr Esimple relop Esimple Expr Esimple Esimple Esimple addop Term Esimple Esimple obool Term Esimple Term Esimple addop Term Term Term mulop Factor Term Term ybool Factor Term Factor Factor Ref Factor nint Factor nfix Factor ctechar Factor ctebool Factor nobool Factor Factor lpar Expr rpar Factor chr lpar Esimple rpar Factor ord lpar Esimple rpar Factor trunc lpar Esimple rpar Ref id Ref id lcor LisExpr rcor LisExpr LisExpr coma Expr LisExpr Expr

3 PL, 2015/ Especificación léxica Notas: Expresión Componente Valor léxico regular léxico entregado [ \n\t]+ (ninguno) program program (palabra reservada) begin begin (palabra reservada) end end (palabra reservada) var var (palabra reservada) boolean boolean (palabra reservada) integer integer (palabra reservada) real real (palabra reservada) char char (palabra reservada) writeln wri (palabra reservada) write wri (palabra reservada) read read (palabra reservada) if if (palabra reservada) then then (palabra reservada) else else (palabra reservada) while while (palabra reservada) do do (palabra reservada) and ybool (palabra reservada) or obool (palabra reservada) div mulop (palabra reservada) mod mulop (palabra reservada) true ctebool (palabra reservada) false ctebool (palabra reservada) not nobool (palabra reservada) chr chr (palabra reservada) ord ord (palabra reservada) trunc trunc (palabra reservada) array array (palabra reservada) of of (palabra reservada) [A-Za-z][0-9A-Za-z]* id (nombre del ident.) [0-9]+ nint (valor numérico) ([0-9]+)"."([0-9]+) nfix (valor numérico) Cualquier carácter imprimible entre dos ctechar (código ASCII), coma ; pyc. punto : dosp ( lpar ) rpar = relop = <> relop <> < relop < <= relop <= > relop > >= relop >= + addop + - addop - * mulop * / mulop / := assop [ lcor ] rcor.. ptopto 1. En Pascal (y en este lenguaje), al contrario que en C, no se distingue entre letras mayúsculas y minúsculas. Por tanto, BeGiN, begin y BegiN son sólo algunas de las posibles formas de escribir la palabra reservada begin ; lo mismo sucede con el resto de palabras reservadas que aparecen en la especificación léxica 2. Además, lo mismo sucede con los identificadores de variables: es posible referirse a una variable utilizando indistintamente letras mayúsculas o minúsculas, por lo que por ejemplo la variable pep se puede escribir también como Pep, PEP o pep, aunque no es recomendable. 2. Las constantes de tipo char estarán formadas por una comilla simple, un carácter cuyo código ASCII sea superior al 32 (el espacio en blanco) y otra comilla simple. Además, si el carácter es una barra invertida \, se deben permitir 2 Existe una regla no escrita (y por tanto no obligatoria) que dice que todas las palabras reservadas en un programa en Pascal deberían estar escritas en mayúsculas.

4 PL, 2015/ las siguientes secuencias especiales: \n, \0 y \\. En estos casos, los códigos ASCCI serán 10, 0 y 92, respectivamente. Si aparece cualquier otro carácter después de la barra invertida se producirá un error léxico. 3. El analizador léxico debe ignorar los comentarios, que en esta práctica empiezan con la secuencia de caracteres (* y terminan con la secuencia *). Un comentario puede ocupar varias líneas y no se permiten los comentarios anidados. 4. El terminal ptopto esta formado por dos puntos que deben ir seguidos, sin ningún carácter entre ellos. Especificación semántica Las reglas semánticas que debe cumplir este lenguaje son las siguientes 3 : Declaración de variables No es posible declarar dos veces un símbolo en el mismo ámbito con el mismo nombre, aunque sea con el mismo tipo (recuérdese que no se debe distinguir entre mayúsculas y minúsculas). El identificador que aparece después de la palabra reservada program no se debe almacenar en la tabla de símbolos. No es posible utilizar una variable o función sin haberla declarado previamente. Si al declarar una variable el espacio ocupado por ésta sobrepasa el tamaño máximo de memoria para variables (siempre inferior a 16384, que es el tamaño de la memoria de la máquina virtual), el compilador debe producir un mensaje de error indicando el lexema exacto de la variable que ya no cabe en memoria. Instrucciones Asignación: en esta instrucción tanto la referencia que aparece a la izquierda del operador := como la expresión de la derecha deben ser del mismo tipo. Solamente hay una excepción a esta regla, y consiste en que está permitida también la asignación cuando la referencia es real y la expresión es entera. Asimismo, cuando en el cuerpo de una función se asigna un valor a un identificador que coincide con el nombre de la función, ese valor debe ser el que devuelva la función cuando termine (salvo que aparezca otra asignación similar, evidentemente). Lectura y escritura: aunque en Pascal existe otra instrucción para lectura ( readln ) y es posible especificar el formato en las instrucciones de escritura, en esta práctica solamente está permitida una sentencia de lectura, read, y dos sentencias de escritura, write y writeln, que se diferencian únicamente en que la segunda escribe un carácter de nueva línea (un \n de C) después de haber escrito todas las expresiones. Control de flujo: las instrucciones if y while tienen una semántica similar a la de C, con la única excepción de que se exige que el tipo de la expresión sea booleano; en caso contrario, se debe producir un error semántico. Expresiones Precedencia de operadores: la siguiente tabla muestra los operadores de este lenguaje ordenados de menor a mayor precedencia (todos aquellos que aparecen en la misma fila tiene la misma precedencia): Operadores = <> > >= < <= + - or * / div mod and not La gramática de la especificación sintáctica refleja esta tabla de precedencias, por lo que no es en absoluto aconsejable modificarla (al menos las reglas de las expresiones). Operadores booleanos: los operadores or, and y not son equivalentes a los operadores, && y! de C, con la restricción de que en este lenguaje los operandos deben ser booleanos (en C no existe esa restricción porque no existe el tipo booleano). Además, debe tenerse en cuenta la precedencia de los operadores al construirse una expresión booleana: la expresión en C 2<3 && 3<4 se debe escribir en este lenguaje como (2<3) and (3<4), ya que los operadores relacionales tienen menor precedencia que el operador and. 3 Para aquellos aspectos que no estén contemplados en esta especificación semántica se debe seguir la semántica de Pascal. Si es necesario, en la página web de la asignatura se publicarán aclaraciones o correcciones sobre este enunciado.

5 PL, 2015/ Operadores relacionales: son equivalentes a los de C, excepto el operador de igualdad = (equivalente al == de C) y el de desigualdad <> (equivalente a!= ). Estos operadores permiten comparar valores numéricos (enteros o reales) entre sí, y también valores de tipo carácter entre sí (en cuyo caso se utiliza el código ASCII correspondiente) y también valores booleanos entre sí (en cuyo caso se considera que false es menor que true ). No se permite comparar valores de distinto tipo (excepto valores enteros y reales, por supuesto). Operadores aritméticos: solamente pueden utilizarse con valores enteros o reales. Los operadores de suma +, resta - y producto * son similares a los de C. En cambio, el operador de división / realiza solamente divisiones reales, independientemente de si los operandos son reales o enteros. Para realizar una división entera se debe utilizar el operador div, en cuyo caso ambos operandos deben ser enteros. Además, es posible obtener el módulo de una división entera con el operando mod, que también exige que los operandos sean enteros. Funciones predefinidas En esta práctica se deben implementar las siguientes funciones predefinidas: chr Esta función admite un argumento de tipo entero y devuelve el carácter cuyo código ASCII está representado por los 8 bits más bajos del valor entero. ord Esta función admite enteros, caracteres o booleanos. Si el argumento es entero, simplemente devuelve el mismo valor; si el argumento es carácter, devuelve el código ASCII del carácter; finalmente, si el argumento es booleano, devuelve un 1 para true y un 0 para false. trunc Esta función admite un argumento numérico (real o entero) y devuelve un entero que es la parte entera del argumento. Declaración de arrays En la declaración de un array, el segundo número que aparece en el rango entre corchetes debe ser mayor o igual que el primero. Debe tenerse en cuenta que ambos valores son válidos como índices (al contrario que en C, que no incluye el valor que aparece entre corchetes en el rango de valores posibles de los índices del array). Al declarar una variable de tipo array es posible que se agote la memoria disponible en la máquina objeto, por lo que debe producirse un error semántico. En ningún caso está permitido que se reserve más memoria que la que sea imprescindible para un array. Acceso a componentes de arrays En este lenguaje no es posible hacer referencia a una componente de un array sin poner tantos índices como sean necesarios según la declaración de la variable. Tanto si faltan como si sobran índices se debe producir un error semántico (lo antes posible, especialmente cuando sobran índices). De esta manera, el no terminal Ref debe devolver un tipo básico (entero, real, caracter o booleano) al resto del compilador. No está permitido poner corchetes (índices) a una variable que no sea de tipo array. El índice de un array debe ser de tipo entero; en caso contrario, se debe producir un error. Se debe recordar que es posible utilizar referencias a arrays en la parte izquierda de una asignación, en una sentencia de lectura y en una expresión. En los dos primeros casos el código que se debe generar es similar, y es ligeramente distinto del tercer caso.