Escribiendo un compilador de Pascal: análisis léxico, sintáctico y semántico

Recuerdo que hace un par de años, tuvimos que programar en grupo, para el trabajo de la asignatura de Informática Teórica, un «compilador» básico para el lenguaje Pascal, aunque no se podría considerar como tal porque no genera ningún ejecutable.

Lo que sí que se puede considerar es que es un analizador léxico, sintáctico y semántico para dicho lenguaje, y estos analizadores son la columna vertebral de cualquier compilador o intérprete. De este modo, este analizador comprueba que un script de Pascal sea correcto.

El proyecto duró aproximadamente todo el cuatrimestre y tuvimos que entregar el proyecto en diferentes etapas: primero el analizador léxico, luego el sintáctico y posteriormente el semántico.

En general, fue una experiencia bastante enriquecedora ya que nos sirvió para ver la aplicación práctica de los conceptos teóricos: son bastante pesados y sin un contexto adecuado no se entiende su aplicación, así que desarrollar un proyecto así dio bastante sentido a la parte teórica de la asignatura y la hizo más llevadera e interesante.

Para el desarrollo del sistema, utilizamos las herramientas de UNIX para generación de analizadores específicos de código: lex para el análisis léxico y yacc para el análisis sintáctico y semántico, todo ello programado en C.

Herramientas utilizadas
  • Lex se encarga de tokenizar el código fuente, identificando los elementos básicos del lenguaje: palabras reservadas, identificadores, operadores, literales…
  • Yacc toma esos tokens y verifica que su estructura sea gramaticalmente correcta según las reglas del lenguaje Pascal, y además realiza comprobaciones semánticas como tipos incompatibles, variables no declaradas o uso incorrecto de funciones.
Ejemplo

Aquí tenemos un código Pascal incorrecto, que introducimos al validador:

program ejemplo;
const
PI = 3.1416;
var
b:real;
c:string;
begin
i := a; (*variable a sin inicializar*)
writeln("Introduce el valor: ");
readln(valor); (*variable valor sin declarar*)
writeln("Introduce el valor de la a: ");
readln(a);
writeln("Introduce el valor de la b: ");
readln(b);
i := a * b; (*tipos incompatibles en la instrucción*)
PI := 3.1595; (*modificación de valor de una constante*)
writeln(c); (*variable sin inicializar*)
end.

Obtenemos en un fichero especial los resultados de la validación:

Ejemplo de validación, donde se encuentran una serie de errores semánticos.