Sémantika Tabulka symbolů Intermediální kód Typová kontrola, přetypování Statická a dynamická sémantika. Sémantická analýza.

Transkript

1 Sémantická analýza Šárka Vavrečková Ústav informatiky, FPF SU Opava Poslední aktualizace: 19. listopadu 2009

2 Definice (Sémantická analýza) Vstup: konstrukce symbolů vytvořená syntaktickým analyzátorem. Výstup: cílový kód, některá z forem interního kódu nebo interpretace. Syntaktické chyby: souvisí s významem symbolů a skupin symbolů, např. použití nedeklarované proměnné v kódu, nekompatibilní datový typ proměnné ve výrazu či argumentu funkce

3 Tabulka symbolů Tabulka symbolů může vypadat takto: Název Typ Délka Deklarováno Adresa Použito delky integer array B A... N I byte 1 B A... A pocet integer 4 B A... N x1 real 6 B A... N z1 nedefinováno 0 N 0 A

4 Druhy informací Tabulka symbolů Proměnná: název, typ, adresa (při interpretaci může být přímo hodnota), délka typu, atd. Uživatelsky definovaný datový typ: základní typ (array, record, structure, enum, apod.), další údaje podle základního typu délka pole, další použité typy (například integer pro pole celých čísel), atd. Funkce: název, návratová hodnota (typ), adresa, datové typy parametrů (můžou být odkazy na jiné řádky tabulky), atd. Konstanta: název, bázový typ, adresa nebo přímo hodnota. Třída: název, předek (může být odkaz na řádek tabulky), vlastnosti a vnitřní proměnné mohou být na samostatných řádcích tabulky, metody, atd. Objekt: název, odkaz na řádek tabulky se třídou, adresa, atd.

5 Tabulka symbolů Účel údaje jsou do tabulky řazeny při jejich deklaraci, včetně proměnných, kontrola, zda proměnná použitá ve výpočtu již byla deklarována (také funkce apod.), typová kontrola, zjištění možností přetypování při kombinaci různých datových typů ve výrazu, při interpretaci můžeme přímo využít pro ukládání datových typů, proměnných, funkcí apod.), při generování cílového kódu zjišťujeme informace potřebné pro vyhrazení místa v paměti pro jednotlivé prvky tabulky, atd.

6 Implementace Tabulka symbolů jednodušší jazyk: dynamická, řádky jsou variantní záznamy, důležitá je možnost rychlého vyhledávání použití řazení, hashování, indexace, indexové soubory, stromy apod., složitější případy: databáze.

7 Tabulka symbolů kompilačního překladače TDatovyTyp delka ISA typ t_int t_float t_array t_rec a_typ a_delka 1 r_prvky 1 n TDatovyTyp 1 TDatovyTyp TObjekt nazev ISA obj poc_par o_konst o_prom o_typ o_fce k_typ p_typ t_typ f_typ f_par n k_hodnota p_adresa TDatovyTyp TDatovyTyp TDatovyTyp TDatovyTyp TDatovyTyp

8 Implementace pro kompilační překladač type TTypObjektu = (o_konst, o_prom, o_typ, o_fce); TTypHodnoty = (t_int, t_float, t_array, t_rec); PDatovyTyp = ^TDatovyTyp; TDatovyTyp = record delka: integer; case typ: TTypHodnoty of t_int, t_float: (); t_array: (a_typ: PDatovyTyp; a_delka: integer); t_rec: (r_prvky: PDatovyTyp); // dynamické pole prvků end; PObjekt = ^TObjekt; TObjekt = record dalsi: PObjekt; nazev: string[maxdelkanazvu]; case obj: TTypObjektu of o_konst: (k_hodnota: THodnota; k_typ: TDatovyTyp); o_prom: (p_adresa: integer; p_typ: TDatovyTyp); o_typ: (t_typ: TDatovyTyp); o_fce: (f_typ: TDatovyTyp; f_par: ^TDatovyTyp; poc_par: byte); end; var TabulkaSymbolu: ^TObjekt;

9 Implementace pro interpretační překladač type TTypObjektu = (o_konst, o_prom, o_typ, o_fce); TTypHodnoty = (t_int, t_float, t_array, t_rec); PHodnota = ^THodnota; THodnota = record case typ: TTypHodnoty of t_int: (i: integer); t_float: (f: float); t_array: (a_typ: TTyp; a_delka: integer; a_prvky: PHodnota); t_rec: (r_prvky: PHodnota); end; PObjekt = ^TObjekt; TObjekt = record dalsi: PObjekt; nazev: string[maxdelkanazvu]; hodnota: THodnota; // u funkce návratová hodnota case obj: TTypObjektu of o_konst, o_prom, o_typ: (); o_fce: (f_par: PObjekt; poc_par: integer); end; var TabulkaSymbolu: ^TObjekt;

10 Řazení a vyhledávání u interpretu se tabulka využívá při každé deklaraci nové proměnné a při každém použití proměnné, příp. funkce, konstanty apod. při každém přístupu je nutné tabulku prohledávat, tj. vyhledávání je frekventovaná operace konstrukce: statický nebo dynamický seznam položek, binární strom, řídká tabulka, apod. vyhledávání: lineární, binární, použití indexů, hashování (podle konstrukce tabulky) řazení položek v tabulce: nový prvek řadíme na konec nový prvek řadíme podle abecedy nebo jiného kritéria pro vyhledávání řešení závislostí včetně kruhových položka definovaná přes položku, která ještě není v tabulce přítomna, je třeba brát v

11 Syntaktický analyzátor Kdo vytváří tabulku symbolů? může doplňovat i syntaktické informace (datový typ proměnné apod.) lexikální analyzátor je jednodušší Lexikální analyzátor vkládá pouze názvy prvků (atribut symbolů typu S ID), ostatní informace jsou dodány následujícími fázemi překladu ve výstupu lexikálního analyzátoru se v symbolech typu S ID nemusí uvádět hodnota atributu (tj. třeba název proměnné), stačí ukazatel do tabulky symbolů, který zabere mnohem méně místa v dalších fázích při práci s těmito symboly již není třeba prohledávat tabulku symbolů, ukazatel vede přímo na konkrétní místo

12 Tabulku vytváří lexikální analyzátor type TSymbol = record case typ: TTypSymbolu of S_NUMINT: (i: integer); S_NUMFLT: (f: float); S_ID: (hodn: ^TObjekt); end;

13 Řešení pro jazyk s blokovou strukturou programu Požadavky platí vše, co dříve, musí být rozlišeny globální a lokální údaje a vyřešen správný přístup k nim zachycen vztah podřízenosti bloků, každý blok má vlastní tabulku symbolů.

14 Řešení pro jazyk s blokovou strukturou programu Příklad V hlavním bloku jsou deklarovány proměnné A, B. Uvnitř bloku je volán blok č. 2, ve kterém jsou proměnné C, D. Po ukončení bloku č. 2 je volán blok č. 3 s proměnnými X1, E. Uvnitř bloku č. 3 je volán blok č. 4 s proměnnými B, C, F. 1 A,B 2 C,D 3 X1,E 4 B,C,F

15 Řešení pro jazyk s blokovou strukturou programu Začátek bloku 1: Začátek bloku 2: Začátek bloku 3: Začátek bloku 4: Tabulka bloku 1 Tabulka bloku 2 Tabulka bloku 3 Tabulka bloku 4 Tabulka bloku 1 Tabulka bloku 1 Tabulka bloku 3 Tabulka bloku 1

16 Definice (Intermediální kód) Intermediální kód je výstupní kód sémantické analýzy. Má různé varianty s ohledem na další použití tohoto kódu. Vlastnosti Intermediální kód pro kompilační překladač musí být snadno optimalizovatelný (například grafovými algoritmy), snadno přepsatelný do strojového kódu nebo assembleru. Intermediální kód pro interpretační překladač musí být snadno interpretovatelný, pokud možno bez dalších větších úprav.

17 Intermediální kód Základní varianty 1 3-adresový kód, 2 sémantický strom (ohodnocený syntaktický strom), 3 postfixový tvar (polská notace).

18 3-adresový kód Příkaz v 3-adresovém kódu má tvar základní: (operátor, argument 1, argument 2, výsledek), zhuštěný: (operátor, argument 1, argument 2).

19 3-adresový kód Příkaz v 3-adresovém kódu má tvar základní: (operátor, argument 1, argument 2, výsledek), zhuštěný: (operátor, argument 1, argument 2). Příklad základní forma A := (-B) * (C + D) Upravíme: T1 := -B T2 := C + D T3 := T1 * T2 A := T3

20 3-adresový kód Příkaz v 3-adresovém kódu má tvar základní: (operátor, argument 1, argument 2, výsledek), zhuštěný: (operátor, argument 1, argument 2). Příklad základní forma A := (-B) * (C + D) Upravíme: T1 := -B T2 := C + D T3 := T1 * T2 A := T3 Operátor Arg1 Arg2 Výsledek 1 uminus B T1 2 + C D T2 3 * T1 T2 T3 4 := T3 A

21 3-adresový kód Příkaz v 3-adresovém kódu má tvar základní: (operátor, argument 1, argument 2, výsledek), zhuštěný: (operátor, argument 1, argument 2). Příklad zhuštěná forma A := (-B) * (C + D) Upravíme: T1 := -B T2 := C + D T3 := T1 * T2 A := T3 Operátor Arg1 Arg2 1 uminus B 2 + C D 3 * := A 3

22 Složitější příklad for i := x to y do v := v + x Návěští Op Arg1 Arg2 Výsl := i x i CMP i y JG konec_for zacatek_for: + v x T1 := v T1 v INC i CMP i y JL zacatek_for konec_for:

23 3-adresový kód Vlastnosti dobře se optimalizuje (i když ne grafovými algoritmy), dobře se přepisuje na assembler i strojový kód, hůře se přímo interpretuje, výhodná pro kompilační překladač, nevhodná pro interpretaci.

24 Příklad 1: Sémantický strom Příklad 2: X := A + 2 * B X := A * 2 + B := := x + x + A * * B 2 B A 2

25 Příklad 3: Sémantický strom for i := 2 to 7 do x := x * i <for-to-do> := 7 := i 2 x * x i

26 Sémantický strom Vlastnosti každý příkaz včetně bloku je reprezentován stromem, posloupnost příkazů je reprezentovaná (lineárním) seznamem stromů, výborně se přímo interpretuje (můžeme reprezentovat dynamickým stromem), lze propojit s grafickým editorem, který zprostředkuje práci s dynamickou strukturou, určité omezené možnosti optimalizace grafovými algoritmy, špatně se přepisuje na assembler nebo strojový kód, vhodný spíše pro interpretaci.

27 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = *

28 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = * 1 1

29 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = *

30 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = *

31 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = *

32 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = *

33 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = *

34 Postfixový tvar Převod do postfixu: Příklad 1: (1 + 2) * (3 + 4) = * * 21

35 Postfixový tvar Převod do postfixu: Příklad 2: IF a + b <> 0 THEN x := 10 ELSE x := a + b a + b x := 10 ; x := a + b ; ; konec IF a b JZ x 10 := ; x := a b + ; ; konec IF a b JZ x 10 x := a b + K:

36 Postfixový tvar Vlastnosti dá se optimalizovat, i když s obtížemi, dobře se přepisuje na assembler i strojový kód, dobře se interpretuje s použitím jediného zásobníku, vhodný pro interpretační i kompilační překladač.

37 Typová kontrola a přetypování Příklad stanovení datových typů operandů Pro operátor + mohou platit tyto předpisy: oba operandy jsou celá čísla, pak výsledek je celé číslo, oba operandy jsou reálná čísla, pak výsledek je reálné číslo, oba operandy jsou znaky, pak výsledek je řetězec (zřetězení těchto dvou znaků), oba operandy jsou řetězce, pak výsledek je řetězec (zřetězení těchto dvou řetězců).

38 Příklad přetypování Typová kontrola a přetypování Pro jazyk C je posloupnost pro čísla stanovena takto: int unsigned int long unsigned long float double long double Nejmenší prioritu z uvedených má int. Operandy typu char a short int jsou při výpočtu výrazu vždy konvertovány na int. Operandy typu unsigned char a unsigned short konverzí na int procházejí jen tehdy, když se vejdou do datového typu, tj. když nedojde k přetečení.

39 Silně typované jazyky Typovost jazyka provádějí při každé operaci kontrolu datových typů důsledkem nesrovnalostí zjištěných při této kontrole bývá chybové hlášení nebo dynamické přetypování některé silně typované jazyky vyžadují uvádění datového typu v deklaracích, jiné nikoliv pro každou operaci se vyžadují operandy konkrétního typu jsou nazývány typově bezpečné, což ale neznamená, že v nich nelze dělat chyby Příklady: Ada, Java, C#, Python

40 Slabě typované jazyky Typovost jazyka neprovádějí tolik kontrol datových typů obecně je možné operaci určenou pro data jednoho datového typu použít na data jiného datového typu, alespoň do určité míry Toto chování může být zdrojem mnoha běhových chyb Příklady: C, Perl V jazyce C je například možné za určitých okolností sečíst celé číslo a řetězec: printf("%d", (1 + "1"));

41 Netypové jazyky Typovost jazyka ve skutečnosti prakticky neexistují, každý jazyk nějakým způsobem zachází s alespoň jedním (vnitřním) datovým typem snad jen některé skriptovací jazyky, textové shelly Jazyky, u kterých lze nastavit typové chování například VisualBasic.NET se může chovat jako slabě nebo silně typovaný kompilátorová direktiva Option Explicit On (silně, nyní výchozí nastavení) nebo Option Explicit Off (slabě)

42 Definice (Statická sémantika) Sémantika programu popisuje pravidla deklarace a definice jednotlivých prvků jazyka (jak mají deklarace vypadat, zda jsou nutné apod.), významu příkazů a jiných jazykových konstrukcí, typu parametrů těchto konstrukcí apod., provádí statickou typovou kontrolu a základní práci s tabulkou symbolů. Statická sémantika se řeší při překladu programu.

43 Sémantika programu Definice (Dynamická sémantika) se týká především významu jednotlivých jazykových konstrukcí (co se má provést, když je v programu napsáno..., priorita operátorů, atd.). Dynamickou sémantiku řešíme přímo za běhu programu. Je náročná zvláště u programovacích jazyků s rekurzivním voláním podprogramů. Je nutné vést evidenci zvlášť o všech voláních téhož podprogramu, což se řeší vytvářením aktivačních záznamů pro jednotlivá volání a jejich ukládáním do zásobníku.

44 Staticky typované jazyky vyžadují uvádění datového typu u každé deklarace, nelze deklarovat proměnnou, objekt nebo funkci bez zadání datového typu prakticky všechny typové kontroly jsou prováděny při překladu (tj. jsou statické), již během překladu má být u každé proměnné jasné, jakého je datového typu nabízejí možnost explicitního přetypování, které však v praxi obvykle slouží především k obcházení typových kontrol výhodou je především lepší možnost odladění typových chyb, nevýhodou menší pružnost jazyka a větší složitost některých programových konstrukcí a kód programů bývá výrazně delší z běhových chyb se vyskytuje především přetečení datového typu Příklady: Java, Ada, C a jeho pokračovatelé

45 Dynamicky typované jazyky nevyžadují uvádění datových typů v deklaracích, mnohé dokonce nevyžadují ani samotné deklarace obvykle je první použití proměnné vázáno na formu l-hodnoty, datový typ a hodnota nově vytvořené proměnné se řídí výsledkem vyhodnoceného výrazu velká část typových kontrol (ne-li všechny) se provádí dynamicky za běhu programu (dynamická sémantika), běžně se provádí automatické přetypování a pro uživatele také není problém kdykoliv změnit datový typ proměnné. výhodou je výrazně kratší kód a vyšší přehlednost kódu, nevýhodou možnost výskytu běhových typových chyb při provozu programu. Příklady: Python, SmallTalk včetně jeho volně šiřitelné implementace Squeak, Lisp, Ruby, Prolog

46 Statické, dynamické, silné, slabé většina dynamicky typovaných jazyků provádí silné typové kontroly (za běhu programu) Java, C a Ada jsou staticky silně typované Python je dynamicky silně typovaný staticky typovaný jazyk se slabou typovou kontrolou je například C