See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/228400125

GENERACIÓN COMPLETA DE COMPILADORES MEDIANTE DIAGRAMAS DE

SINTAXIS EXTENDIDOS

Article

CITATIONS READS

0 558

6 authors, including:

Sergio Gálvez Antonio Guevara

University of Malaga University of Malaga
41 PUBLICATIONS   325 CITATIONS    60 PUBLICATIONS   128 CITATIONS   

SEE PROFILE SEE PROFILE

Antonio Guevara Plaza Antonio Luis Carrillo León

University of Malaga University of Malaga
17 PUBLICATIONS   41 CITATIONS    19 PUBLICATIONS   22 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

How can Smart Cities improve Tourism with Big Data and Collective Intelligence? View project

All content following this page was uploaded by Sergio Gálvez on 21 May 2014.

The user has requested enhancement of the downloaded file.

 GENERACIÓN COMPLETA DE COMPILADORES
MEDIANTE DIAGRAMAS DE SINTAXIS EXTENDIDOS

Sergio Gálvez Rojas Antonio Guevara Plaza

David Tinaquero Fernández Antonio Luis Carrillo León

Dpto. de Lenguajes y Ciencias de la Computación

Universidad de Málaga
galvez@lcc.uma.es
Resumen
La construcción de esqueletos básicos de compiladores es una labor que ha sido
ampliamente superada tras los estudios teóricos de Chomsky sobre gramáticas, y el desarrollo
posterior de multitud de herramientas, llamadas metacompiladores (Yacc, Bison, byacc, PRE-CC
Xtended, etc.), cuyo objetivo es el de generar programas que reconozcan si una frase sigue o no
determinada gramática.
Todas estas herramientas se basan en elementos puramente textuales, áridos y de difícil
asimilación, que no suelen ser los más acertados a la hora de inculcar los conocimientos básicos
en un curso de «Traductores, compiladores e intérpretes» propio de la titulación de Informática.
Para solventar esta carencia, hemos desarrollado MEDISE, una herramienta que parte de
una gramática expresada de forma gráfica (mediante diagramas de sintaxis) junto con la
especificación de las acciones a ejecutar, y genera un programa en C cuyo flujo de ejecución será
una fiel representación del camino seguido en tales gráficos para reconocer (o rechazar) la
secuencia de palabras encontrada a la entrada. A medida que las palabras de la entrada van
encajando según la gramática propuesta, se van ejecutando las acciones que el usuario haya
dispuesto.

1 Introducción.
En los actuales estudios conducentes a la titulación media o superior de Ingeniero en
Informática, existe una materia troncal que tiene por objetivo que el alumno adquiera los
conocimientos suficientes como para desarrollar pequeños traductores o intérpretes que le
faciliten su posterior desarrollo profesional: desde un pequeño conversor que traduzca las
palabras de un lenguaje de programación en inglés a uno en castellano, hasta calculadoras con
funciones preprogramadas, pasando por pequeñas hojas de cálculo, o conversores de macros en
.

Suele utilizarse para estos propósitos el tándem Lex-Yacc [BEN90] o sus correspondientes
PcLex-PcYacc, Flex-Bison, Flex++-Bison++, o cualquier otro par de herramientas que se
encargan de generar analizadores léxicos y sintácticos en un lenguaje de programación
determinado. El punto de partida suele ser la definición de una gramática que, para nuestros
propósitos, podemos ver como un conjunto de reglas que sirven para validar una frase. El objetivo
es crear automáticamente programas que, partiendo de una gramática, sean capaces de decidir si
una frase está correctamente construída o no en base a dicha gramática.
Aunque estas gramáticas pueden expresarse de muy diversas formas ([JAV98], [PAR90]),
suele pasarse por alto la enorme utilidad que suponen los diagramas de sintaxis en el desarrollo
de este tipo de analizadores.
El presente trabajo supone la continuación de la herramienta MDC presentada en la IE’99,
[GAL99]. MDC permitía generar automáticamente programas que aceptaban o rechazaban frases
en base a diagramas de sintaxis que el alumno podía dibujar de forma interactiva. Sin embargo,
con MDC era imposible efectuar traducciones; en otras palabras, MDC se limitaba a generar
programas que decían “Sí” o “No”, lo cual se corresponde con la fase de análisis sintáctico de
cualquier traductor. MEDISE (MEtacompilación con DIagramas de Sintaxis Extendidos) extiende
las posibilidades de MDC y permite incorporar código en lenguaje C dentro de un diagrama de
sintaxis, con lo que es posible crear un traductor completo de cualquier lenguaje de programación
que admita un análisis de gramáticas LL(1).
El presente trabajo se estructura como sigue: en el punto 2 recordamos los conceptos
básicos de un diagrama de sintaxis y cómo se pueden extender para producir compiladores
completos; el punto 3 expone el proceso seguido por el diseñador para generar un compilador
completo y las características de éste; el procesamiento interno referido a las extensiones
propuestas a los diagramas de sintaxis convencionales se explica en el punto 4 mientras que en
el punto 5 abordamos el trabajo futuro.

2 Diagramas de sintaxis.
Los diagramas de sintaxis aparecidos inicialmente en
[CON63], constituyen un mecanismo gráfico mediante el que
aproximar, por refinamientos sucesivos, el lenguaje admisible por
Figura 1. secuenciaDeSentencias.
una gramática.
A grandes rasgos, un diagrama de sintaxis es un grafo dirigido en el que los nodos
representan los símbolos terminales y no terminales de la gramática, y los arcos expresan las
secuencias en que pueden combinarse tales símbolos para formar frases aceptables según la
gramática.
Cada diagrama de sintaxis representa un símbolo
no terminal (que se puede expandir), de manera que la
gramática completa estará formada por tantos
diagramas distintos e interrelacionados como no
terminales se quieran incluir en su descripción. Los
símbolos terminales (palabras o tokens) se dibujan
como círculos o elipses etiquetadas con el nombre del
token, mientras que los no terminales que aparecen en
un grafo se dibujan como rectángulos etiquetados con
su nombre correspondiente. Todo diagrama posee un
punto de entrada (generalmente situado a la izquierda)
y un punto de salida (a la derecha), y que están
representados por un arco sin origen y un arco sin
destino respectivamente.
Figura 2. sentencia.
Las figuras 1, 2 y 3 ilustran diversos diagramas
de Conway correspondientes al
lenguaje de programación Modula-2
[WIR88]. La figura 1 Especifica que
una secuenciaDeSentencias está
formada por una sentencia, o bien
por una sentencia seguida del token
; y otra secuenciaDeSentencias. La
figura 2 descompone todas las
posibles sentencias que pueden Figura 3. sentenciaCase.
aparecer en esta gramática, y la
figura 3 muestra el diagrama correspondiente a una de ellas: sentenciaCase.
En toda gramática existe un no terminal principal que representa a la gramática en su
conjunto, (que en nuestro ejemplo de Modula-2, representa una unidad de compilación, y cuya
figura no se muestra), de manera que, para reconocer una frase, se parte de su punto de entrada,
y siguiendo algún camino en dicho diagrama, se llega a su punto de salida. Si dicho camino no
existe, la frase se rechaza. Cuando en dicho camino nos encontramos con un no terminal, el
“flujo” continúa recursivamente a través del diagrama asociado a ese no terminal. De esta forma,
la aparición de un no terminal en un diagrama se expande en otro diagrama que lo define.
2.1 Diagramas de sintaxis extendidos.
Como hemos visto, una secuencia de palabras se reconoce si y sólo si hay un camino en
los diversos diagramas de sintaxis que, partiendo inicio del diagrama inicial llega al final de dicho
diagrama, pasando por una secuencia de tokens idéntica a la secuencia a reconocer.
Por ejemplo, el diagrama de la figura 4,
reconoce como válida la secuencia de tokens:
“dato , dato , dato .”, ya que en el diagrama hay
un camino que, pasando tres veces por dato, es
capaz de ir desde el inicio (triángulo) hasta el
final (triángulo invertido). La secuencia “dato ,
, dato .” no es válida porque en ella hay dos
comas seguidas, y ningún camino del diagrama
pasa dos veces consecutivas por una coma. Figura 4. Diagrama de una lista de datos.

Con este esquema es posible decidir si una frase es válida o no, pero ¿cómo podríamos
hacer para que el propio diagrama nos dijese al final (suponiendo la frase válida) cuántas veces
ha aparecido la palabra dato? Para ello, los diagramas se extienden con nodos de código, que no
son más que nodos que, cuando se “camina” sobre ellos, realizan una acción u operación. La
figura 5 ilustra cómo es posible colocar nodos intermedios (representados por hexágonos) que
realizan acciones cuando el flujo de reconocimiento pasa por ellos. De esta forma, tantas veces
se pase por dato,
t ant as veces se
in c r e m e nt a r á la
variable cont, que se
visualiza por pantalla
justo antes de llegar al
final de la regla. Figura 5. Diagrama con nodos de código C intercalados.
3 DESCRIPCIÓN DE MEDISE.
MEDISE es un metacompilador que admite gramáticas LL(1) descritas mediante diagramas
de sintaxis extendidos y genera el correspondiente analizador sintáctico escrito en lenguaje C.
MEDISE ha sido desarrollado íntegramente en lenguaje Java, utilizando la herramienta Visual
C@fe 2.0 for Java [VCJ97], que suministra algunos componentes gráficos muy útiles, dando la
posibilidad de incorporarlas a nuestros programas sin costo alguno.
Como hemos adelantado, en MEDISE, se han incorporado dos nodos inexistentes en la
definición original de [CON63]: uno destinado a la gestión de errores, y otro a la incorporación
de acciones en lenguaje C. El primero es necesario ya que, durante la compilación, el analizador
debe indicar los problemas sintácticos encontrados, sin abortar la compilación tras el primer error.
El símbolo gestor de errores (llamado token de seguridad) permite establecer un control del tipo
“ignorar la entrada” (panic mode [AHO86]), de forma que, ante una frase incorrecta, se van
ignorando palabras hasta encontrar el token de seguridad, momento a partir del cual continua el
reconocimiento del resto de la frase.
El segundo ha sido introducido en el punto 2.1 y sirven para colocar bloques de código que
se ejecutan a medida que la ejecución fluye por los diagramas.
Además, se han incorporado otros mecanismos que permiten la creación completa de un
compilador, así como la comunicación necesaria entre el analizador sintáctico y ele lexicográfico,
a través del suministro del lexema leido.

3.1 INTERFAZ DE MEDISE.

MEDISE permite la introducción de diagramas de Conway mediante una ventana dividida
en 5 bloques principales distribuídos verticalmente: barra de menús, barra de botones y
propiedades, panel del diagrama, cuadro informativo y botones de código global.
El panel del diagrama visualiza en todo momento la regla o diagrama en edición. Las
características del panel se controlan mediante la barra de propiedades, pudiéndose ampliar o
reducir el panel, modificar el tipo de letra empleado en cada símbolo independientemente, o

Figura 6. Ventana de la aplicación MDC.

mostrar una rejilla que mejora estéticamente la creación del dibujo.
La barra de botones, facilita la inserción y eliminación de símbolos en el diagrama, así como
la creación de diagramas nuevos (llamados reglas en el contexto de MEDISE). Para permitir la
incorporación de nodos de código, se tiene un botón etiquetado Nodo C. Los dos botones anexos
al cuadro informativo, permiten especificar código global al programa completo y código local
a cada regla; en ambos casos, el código se ubicará al comienzo de su ámbito. En caso de duda,
se dispone de una ayuda completa sobre el funcionamiento de MEDISE (opción Ayuda del menú
?), y de un cuadro informativo textual que nos indica tanto el cometido de cada botón, como
recomendaciones sobre la siguiente acción a realizar.
La barra de menús complementa la herramienta con opciones sobre el tamaño del panel, su
orientación, el color empleado para cada tipo de símbolo, etc. El menú Metacompilación permite
obtener el analizador (escrito en lenguaje C estándar), o bien la notación BNF correspondiente
a cada regla. Estas opciones también están disponibles en la barra de botones.

3.2 PASOS EN LA GENERACIÓN DE UN COMPILADOR.

Los pasos a seguir en la construcción de un compilador resultan muy intuitivos:
• Construir las reglas que componen la gramática mediante paneles, cada uno de los cuales
deberá estar asociado a un no terminal, y viceversa.
• Incluir las acciones semánticas (nodos C) que ejecuten las sentencias necesarias, así como
incorporar los parámetros que sean necesarios y recuperar los valores devueltos.
Asimismo, introducir los bloques de código globales a todo el programa y a cada regla en
particular. Los lexemas devueltos por el analizador léxico también pueden ser manejados
en código asociado a los terminales.
• Seleccionar la opción Código C del menú de Metacompilación. Si los diagramas han
sido correctamente creados, nos aparecerá en pantalla una ventana de texto conteniendo
el código C que implementa el analizador.
• Grabar el texto. Dado que MEDISE se ha construido para ser divulgado entre los
estudiantes y utilizado a través de Internet, está implementado como applet, tipo de
programas que posee grandes restricciones por motivos de seguridad. Este hecho nos ha
llevado a recomendar que cada alumno se descargue el applet en su propia máquina, con
lo que podrá disfrutar sin restricciones de las opciones de archivar y recuperar los
diagramas de disco, grabar el código C generado automáticamente, así como disfrutar de
las ventajas de ejecutar MEDISE dentro de un navegador como NetscapeTM o Internet
ExplorerTM.
• Creación mediante cualquier otra herramienta -Lex, Flex, etc.- o ad hoc, de un analizador
lexicográfico que suministre secuencias de tokens a nuestro programa. Tal analizador debe
poseer una función principal llamada yylex() encargada del suministro.

3.3 FASES SEGUIDAS POR EL PROCESO DE GENERACIÓN

El proceso seguido por MDC para la obtención del analizador sigue tres fases bien
definidas:
• Obtención de la expresión BNF correspondiente a cada regla.
 • Comprobación de que la gramática es LL(1), y no hay ciclos J.
• Generación de código.
La expresión BNF se obtiene aplicando las reducciones de la figura 7. El objetivo que se
persigue es la obtención de un programa que simule en su flujo de ejecución, el camino que habría
que seguir (en los grafos de Conway) para reconocer o rechazar una sentencia del lenguaje. De
esta forma:
• Cada regla da lugar a una función.
• Cada línea de conexión da lugar a un cambio de flujo en el programa.
• Cada terminal da lugar al chequeo y consumo de un token.
• Cada no terminal da lugar a una llamada recursiva a la función que lo representa.

Entrada Reducción resultante

 
. .
 A B /  AB /

. 
 A Y B / A (X|Y|...|Z) B

. 
. 
[A]
A

.  
.
 A / A[BA] /


B

.  .
 A  {A} /
/

Figura 7. Reducciones para obtener la expresión BNF.

4 PROCESAMIENTO INTERNO DE LOS NODOS DE CÓDIGO

La incorporación de código a los diagramas de sintaxis puede realizarse de 6 formas bien
diferenciadas:
• Introduciendo nodos C en el diagrama. Esta es la forma más directa y visual de todas, y
consiste en especificar nodos que contienen acciones escritas en C que se ejecutarán
cuando el reconocimiento de la frase que se intenta validar obligue a “pasar” sobre dicho
nodo. Estos nodos se introdujeron en la figura XX.
• Definiendo código global a todo el compilador.
• Definiendo código local a cada no terminal (según el análisis LL(1), cada no terminal se
traduce en una función de C).
• Mediante la inclusión de parámetros reales en la llamada a función a que se traduce cada
no terminal ubicado en una regla. Esto permite utilizar atributo heredados. Los
parámetros formales se definen en cada regla.
Figura 8. Bloque de código generados explícitamente por el usuario.
 • Mediante la recogida del valor devuelto por la llamada a función a que se traduce cada no
terminal ubicado en una regla. Los atributos sintetizados se obtienen de esta manera. El
valor devuelto se identifica en el símbolo finalizador de la regla del no terminal a que se
llama.
• Mediante el lexema proporcionado por el analizador lexicográfico, que puede ser recogido
por cada terminal.

La figura8 ilustra un par de diagramas de sintaxis extendidos, así como el programa C

generado. Las flechas relacionan los diferentes bloques de código indicados explícitamente por
el usuario, así como los elementos de la interfaz y de los diagramas que los han producido.

5 CONCLUSIONES.
MEDISE culmina el deseo de suministrar a los alumnos de asignaturas de “Procesadores
del lenguaje”, una herramienta fácil de asimilar y que supone grandes beneficios a la hora de
comprender el análisis sintáctico LL(1) y la generación completa de compiladores. Actualmente,
el software completo está disponible para quien lo desee en el fichero comprimido
http://www.lcc.uma.es/personal/galvez/conway/mdc.zip que contiene, a su vez, el programa y la
página web mdc.html. Esta página invoca automáticamente a MEDISE en forma de applet local,
permitiendo al usuario almacenar y recuperar los diagramas en su propia máquina.
La posibilidad de especificar atributos y código C en las reglas, eleva a MEDISE a la
altura de otras herramientas de prototipado de compiladores, como Yacc y PCCTS. Sólo la
imaginación del alumno y su interés por adquirir conocimientos serán capaces de sacar provecho
a una herramienta eminentemente práctica, gráfica y con características profesionales.
La próxima versión de MEDISE refinará aspectos gráficos (con objeto de evitar enrarecer
excesivamente el diagrama de sintaxis original con demasiados nodos C), y realizará un mejor
control del token de seguridad.

BIBLIOGRAFÍA.
[AHO86] Aho, Sethi, Ullman: “Compilers: Principles, Techniques and Tools”,
Addison-Wesley, 1986.
[BEN90] Bennet, J.P.: “Introduction to Compiling Techniques: A First Course using
ANSI C, LEX and YACC”, McGraw-Hill, 1990.
[CON63] Conway, M.E.: “Design of a separable transition diagram compiler”,
Comm ACM, 296-408. 1963.
[GAL99] Gálvez, S., Tinaquero, D.: “Generación de Compiladores mediante
Diagramas de Conway”, Congreso Internacional de Informática
Educativa. Madrid (España), 1999.
[JAV98] “Java Compiler Compiler Documentation”. 1998
http://www.suntest.com/JavaCC/
[PAR90] Terence Parr, Henry Dietz: “Purdue Compiler-Construction Tools Set”.
 Technical Report TR-EE 90-14, SEE, Purdue Univ. IN. 1990.
[VCJ97] “Symantec Visual C@feTM for JavaTM. User’s Guide”, 1997.
[WIR88] Wirth, N.: “Programming in Modula-2”, Springer-Verlag, 4th edition.
1988.

View publication stats