Fases de um compilador

Um compilador não traduz o programa de uma vez: organiza o trabalho em fases, cada uma com uma entrada e uma saída bem definidas. Esta separação é o que permite raciocinar sobre o programa a níveis diferentes, do texto à máquina. Vamos seguir a linha x = a + b * 2 e ver quem trata de cada passo.

O pipeline

As fases clássicas, por ordem:

1. Análise lexical: agrupa caracteres em símbolos (tokens).
2. Análise sintática: organiza os símbolos numa árvore sintática.
3. Análise semântica: verifica tipos, declarações e âmbitos.
4. Geração de código intermédio: traduz a árvore para uma representação simples.
5. Otimização: transforma o código sem mudar o significado.
6. Geração de código objeto: emite instruções da máquina alvo e gere registos.

Há ainda duas estruturas transversais: a tabela de símbolos, que guarda o que se sabe sobre cada nome, e o tratamento de erros, que cada fase deve reportar com posição e mensagem útil.

Seguir x = a + b * 2

O analisador lexical lê os caracteres e devolve símbolos: ID(x), =, ID(a), +, ID(b), *, NUM(2). Repara que b * 2 ainda não foi calculado: o léxico só classifica, não interpreta.

O analisador sintático consome os símbolos segundo a gramática e constrói a árvore: a raiz é a atribuição a x, com o filho + a somar a ao produto b * 2. A precedência do * sobre o + fica gravada na forma da árvore, como viste nas gramáticas livres.

A análise semântica consulta a tabela de símbolos: x, a e b estão declarados? Têm tipos compatíveis com + e *? Se b for um vetor, aqui nasce um erro de tipo, com a linha e a coluna da ficha do símbolo.

O gerador de código intermédio traduz a árvore para instruções simples de três endereços:

t1 = b * 2
t2 = a + t1
x = t2

O otimizador pode dobrar constantes ou propagar cópias. Por fim, o gerador de código objeto escolhe instruções da máquina alvo, decide que valores vivem em registos e emite o código final, por exemplo para a JVM no caso do projeto.

Para levar para a próxima página

Cada fase fala uma linguagem diferente: caracteres, símbolos, árvores, código de três endereços, instruções. A análise lexical é a primeira fronteira, onde as expressões regulares se transformam em reconhecedores automáticos.