Trabalho - Análise Léxica - 2024-1

Projeto de Compilador E1 de Análise Léxica Prof. Lucas Mello Schnorr schnorr@inf.ufrgs.br 1 Introdução A primeira etapa consiste em fazer um analisador léxico uti- lizando a ferramenta de geração de reconhecedores flex. Tu deves manter o arquivo tokens.h (fornecido) sem mo- dificações. A função principal deve estar em um arquivo main.c separado do arquivo scanner.l para facilitar tes- tes automáticos que utilizam uma função principal parecida com a fornecida em anexo. 2 Funcionalidades Necessárias 2.1 Definir expressões regulares Reconhecimento dos lexemas correspondentes aos tokens descritos na seção Descrição dos Tokens abaixo, unicamente através da definição de expressões regulares no arquivo da ferramenta flex. Cada expressão regular deve estar associ- ada a pelo menos um tipo de token. Classificar os lexemas reconhecidos em tokens retornando as constantes definidas no arquivo tokens.h fornecido ou códigos ASCII para ca- racteres simples. 2.2 Contagem de linhas Controlar o número de linha do arquivo de entrada. Uma função cujo protótipo é int get_line_number(void) deve ser implementada e deve retornar o número da linha atual no processo de reconhecimento de tokens. Ela é utili- zada nos testes automáticos. Lembre-se que a primeira linha de qualquer arquivo dado como é entrada é a linha número um. Procure no manual do FLAX a opção para contagem automática, e use yylineno. 2.3 Ignorar comentários Ignorar comentários no formato C99: tudo o que segue a par- tir de // e tudo que está compreendido entre /* e */. As linhas devem ser contabilizadas mesmo dentro de comentá- rios do segundo tipo. Espaços devem ser igualmente igno- rados. 2.4 Lançar erros léxicos O erro léxico deve ser retornado ao encontrar caracteres in- válidos na entrada, retornando o token de erro TK_ERRO. 3 Descrição dos Tokens Existem tokens que correspondem a caracteres, como vír- gula, ponto-e-vírgula, parênteses. Para estes, é mais conve- niente usar seu próprio código ASCII, convertido para in- teiro, como valor de retorno que os identifica. Para os demais tokens, como palavras reservadas e identificadores, utiliza- se uma constante com valores superiores ao maior valor da tabela ASCII, definida em tokens.h. Os tokens se enqua- dram em diferentes categorias descritas a seguir. 3.1 Palavras Reservadas da Linguagem As palavras reservadas (PR) da linguagem são as seguin- tes, acompanhadas dos tokens correspondentes no arquivo tokens.h: PR Token int TK_PR_INT float TK_PR_FLOAT bool TK_PR_BOOL if TK_PR_IF else TK_PR_ELSE while TK_PR_WHILE return TK_PR_RETURN 3.2 Caracteres Especiais Os caracteres simples especiais empregados pela linguagem são listados abaixo separados apenas por espaços, e devem ser retornados com o próprio código ASCII convertido para inteiro. São eles: - ! * / % + - < > { } ( ) = , ; 3.3 Operadores Compostos Estes são os operadores compostos (OC). Lexema Token Descrição <= TK_OC_LE menor igual >= TK_OC_GE maior igual == TK_OC_EQ igual igual != TK_OC_NE exclama igual & TK_OC_AND e comercial | TK_OC_OR barra vertical 3.4 Identificadores Os identificadores da linguagem começam por um carac- tere alfabético minúsculo ou o caractere sublinhado, se- guido opcionalmente de repetições destes com a possibili- dade de dígitos. Ao reconhecer um identificador, retorna- mos TK_IDENTIFICADOR. 3.5 Literais Literais são formas de descrever constantes no código fonte. • TK_LIT_INT: literais deste tipo são representados como repetições de um ou mais dígitos. • TK_LIT_FLOAT: literais deste tipo são formados como um inteiro opcional seguido de ponto decimal e uma sequência de dígitos não vazia. • TK_LIT_FALSE: o literal é o lexema false. • TK_LIT_TRUE: o literal é o lexema true.