Překladače 6. Sémantická analýza Obsah: tabulka symbolů bloková struktura programu intermediální kód typová kontrola © Milan Keršláger http://www.pslib.cz/ke/slajdy 31.3.2011 http://creativecommons.org/licenses/by-nc-nd/3.0/
Sémantická analýza třetí fáze zpracování zdrojového kódu zabývá se významem symbolů a skupin symbolů vzniká tabulka symbolů vstup: derivační strom dodává syntaktický analyzátor výstup: intermediální kód postihuje strukturu a částečně i kód programu sémantické chyby použití nedeklarované proměnné, nekompatibilní datový typ proměnné ve výrazu či argumentu funkce
Tabulka symbolů obsahuje pojmenované identifikátory nevztahuje se na klíčová slova jazyka proměnné, konstanty, názvy funkcí, návěští, ... lexikální (ani syntaktická) analýza je neumí odlišit využívá se: při překladu – překladač při provádění – interpret položky tabulky (sloupce): název, typ, délka, deklarováno?, adresa, použito?
Tabulka symbolů (jen proměnné) Název Typ Délka Deklaro-váno Adresa Použito delky integer array 10 40B A ? N i integer 4B pocet double 8B x real y
Význam položek – 1 typ pro proměnnou – datový typ pro funkci – ukládáme více údajů: počet a typ jednotlivých parametrů volání odkazem, hodnotou datový typ návratové hodnoty třída v OOP – navíc předek, vlastnosti, ... délka závislá na definici typu v konkrétním jazyce může být závislá na použité platformě
Význam položek – 2 deklarováno slouží k odhalení sémantické chyby v některých jazycích není deklarace nutná adresa absolutní adresa, relativní adresa, index interpret ukládá hodnoty přímo do tabulky použito
Využití tabulky symbolů zjišťování sémantických chyb byl již symbol použit?, jakého je typu? absence deklarace nelze kruhové deklarace lze dopřednou definici → řádek je závislý na předchozím způsobuje potíže (závislosti → víceprůchodová analýza?) při generování cílového kódu (další fáze) tabulka zůstává uložena, velikost nutného prostoru při interpretování kódu obsahuje hodnoty proměnných
Realizace tabulky symbolů požadavek na snadné prohledávání po načtení symbolu je nutné zjistit, není-li v tabulce důležité u překladače i interpretu volba vhodné datové struktury statický seznam, dynamický seznam binární strom, dynamické pole záznamů řídká tabulka, hashovaná tabulka řazení záznamů podle abecedy index podle abecedy – data uspořádána jinak
Vznik tabulky symbolů při sémantické analýze klasický přístup máme k dispozici veškeré potřebné údaje v dřívějších fázích překladu vlastnosti doplňujeme později při lexikální analýze neznámé identifikátory vloží do tabulky atribut symbolu pak odkazuje do tabulky při syntaktické analýze
Bloková struktura programu strukturované jazyky moderní technika programování umožňují efektivní kontrolu použití objektů rozlišuje globální a lokální objekty přístupnost lokálních objektů je omezená stejné jméno lokálního objektu neovlivní globální bloky vytvářejí stromovou strukturu vnořený blok je ve stromě podřízený objekt je dosažitelný jen z podřízených bloků každý blok svoji tabulku
Bloková struktura 1: tab1 A1, B1 2: tab2 → tab1 C2, D2, A1, B1 3 E3, F3 4 G4, H4 1: tab1 A1, B1 2: tab2 → tab1 C2, D2, A1, B1 3: tab3 → tab1 E3, F3, A1, B1 4: tab4 → tab3 → tab1 G4, H4, E3, F3, A1, B1
Organizace do stromu 1: tab1 A1, B1 2: tab2 → tab1 C2, D2, A1, B1 3: tab3 → tab1 E3, F3, A1, B1 4: tab4 → tab3 → tab1 G4, H4, E3, F3, A1, B1
Zpracování organizace tabulek každý blok svoji tabulku podřízený blok níže ve stromové struktuře zaznamenáme odkazy na nadřízené bloky umožňuje procházení nadřízené tabulky překrývání proměnných vnořená překrývá stejnou z nadřízeného bloku využití zásobníku vstup do bloku = volání procedury na zásobník kopii tabulky symbolů
Intermediální kód zatím není výhodné generovat cílový kód i. k. se lépe optimalizuje (další fáze překladu) v i. k. chybí adresy operandů není ještě rozhodnuto o využití registrů CPU různé varianty i. k. s ohledem na další využití varianty pro kompilaci musí být snadno optimalizovatelné snadná transformace do cílového strojového kódu varianty pro interpretaci bez dalších úprav snadno intepretovatelný
Varianty intermediálního kódu tříadresový kód základní: operátor, argument1, argument2, výsledek zhuštěný: operátor, argument1, argument2 sémantický strom je to ohodnocený syntaktický strom postfixový tvar tzv. polská notace
Tříadresový kód jistá podobnost s assemblerem jeden řádek → několik strojových instrukcí příklad: A := (-B) * (C + D) Upravíme Op. Arg1 Arg2 T1:= -B T2:= C + D T3:= T1 * T2 A := T3 1 2 3 4 uminus + * := B C A D
Sémantický strom též ohodnocený syntaktický strom získán úpravou derivačního stromu zůstanou jen uzly s terminály vnitřní uzly obsahují operátory listy obsahují operandy např. proměnné, čísla
X:=A+2*B := X + A * 2 B
X:=A*2+B := X + * B A 2
for i:=1 to 3 do x:=x*i for-to-do 7 := := x i 2 * x i
Postfixová notace operátor umístěn za operandy tzv. reverzní polská notace jednoduché kalkulátory nevyžadující závorky infixový zápis: (1 + 2) * (3 + 4) postfixový tvar: 1 2 + 3 4 + * převod pomocí překladové gramatiky při výpočtu se používá zásobníkový automat snadný převod do strojového kódu optimalizace není příliš snadná vhodný pro interpretaci i kompilaci
Typová kontrola vztahuje se na: datové typy operandů aritmetických a relačních operátorů kontroly parametrů funkcí další příkazy obsahující proměnné prvky operátor vyžaduje operandy určitého typu celé + celé = celé reálné + reálné = reálné znak + znak = řetězec řetězec + řetězec = řetězec jinak buď přetypování nebo hlášení chyby
Přetypování nejsou-li datové typy kompatibilní, přetypujeme stanovení priority datových typů operand s nižší prioritou (více vlevo) přetypujeme priorita v jazyce C pro implicitní přetypování: int → unsigned int → long → unsigned long → float → double → long double přetěžování operátorů dynamická posloupnost datových typů a předpisů polymorfismus volání funkce pro různé typy (i počet) parametrů funkce vrací hodnotu různých datových typů
Rozdělení jazyků podle toho, jak zachází s datovými typy silně typované slabě typované netypové jazyky
Silně typované jazyky tzv. typově bezpečné jazyky ADA, Java, C#, Python, též spíše C++ nevylučuje to možnost chyby usnadňuje kontrolu programátora při každé operaci provedena kontrola dat. typů → chybové hlášení nebo dynamické přetypování některé jazyky vyžadují při deklaraci nutně typ není však podmínkou pro každou operaci operandy konkrétního typu
Slabě typované jazyky méně kontrol datových typů příčina běhových chyb jazyk C, Perl operaci je možné provést s různými typy někdy jen do určité míry např.: printf(“%d“, (1+“1“)); možnost změny chování jazyka VisualBasic.NET nejprve slabě, pak silně typový nastavuje se direktivou kompilátoru (Option Explicit On/Off)
Netypové jazyky netypové jazyky téměř neexistují např. shell datové typy nemá programátor se s nimi vůbec nesetká interně se však datové typy používají zástupci: běžné unixové shelly dávkové soubory .BAT původně DOS dnes je ve Windows NT interpretuje cmd.exe
Sémantika jazyka dle toho, kdy prováděna sémantická kontrola statická sémantika dynamická sémantika není vztah se slabě/silně typovanými jazyky většina dynamicky typovaných má silné kontroly (za běhu programu)
Statická sémantika statická typová kontrola Java, Ada, jazyk C základní práce s tabulkou symbolů řeší se při překladu programu forma a nutnost deklarací, typy parametrů význam příkazů a jazykových konstrukcí staticky typované jazyky deklarace vždy s datovým typem možnost větší typové kontroly za běhu typicky jen chyba přetečení
Dynamická sémantika dynamická typová kontrola řeší se za běhu programu vede k více běhovým chybám dynamicky typované jazyky Python, Smalltalk, Prolog, ... nevyžadují uvádění datového typu ani deklarace nová proměnná dle výsledku vyhodnocení výrazu možnost změny typu proměnné za běhu programu zkracuje se zápis kódu