Analizzatore lessicale: differenze tra le versioni

Versione delle 05:17, 9 mar 2010

Versione attuale delle 11:37, 31 dic 2024

(22 versioni intermedie di 19 utenti non mostrate)

Riga 1:

{{F|programmazione|febbraio 2013}}

Un '''Analizzatore lessicale''', a volte chiamato '''scanner''' o '''lexer''', è un programma, o un parte di un programma (vedi [[compilatore|compilatori]] e [[parsing|parsers]]), che si occupa di [[analisi lessicale (informatica)|analizzare lessicalmente]] un dato input, genericamente il [[codice sorgente]] di un programma.

Un '''analizzatore lessicale''' ({{Inglese|'''lexer'''}} o '''''scanner''''') è un programma che effettua l'[[analisi lessicale]] di un dato testo, generalmente il [[codice sorgente]] di un programma, producendo da esso una sequenza di ''[[Token (testo)|token]]''.

Il ''token'' è un elemento che ha un nome e un valore, tipicamente il [[lessema]] ma può trattarsi anche di un insieme di informazioni elementari come il tipo del numero o il punto del programma in cui è definito. I ''token'' costituiscono gli elementi base su cui andrà ad operare un [[analizzatore sintattico]].

Quindi il compito di un analizzatore lessicale è di analizzare uno stream di caratteri in input e produrre in uscita uno stream di tokens.

== Funzionamento ==

Il token è un elemento che ha un tipo e un valore, ''lessema''.

L'individuazione di ''token'' all'interno di un flusso di caratteri è effettuata attraverso modelli, definiti attraverso delle [[espressioni regolari]]. I seguenti sono un esempio di questi modelli:

I tokens costituiscono gli elementi base su cui andrà ad operare un [[analizzatore sintattico]].

L'individuazione di tokens all'interno di uno stream di caratteri è effettuata attraverso "pattern" (schemi, modelli).

== Funzionamento ==

Come scritto prima l'analizzatore lessicale individua i tokens attraverso i patterns, prendiamo ad esempio questi patterns:

<code>

cifra = 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 0

numero = cifra cifra*

operatore = + | - | x | /

</code>

Dove il simbolo <code>|</code> indica l' ''or'' inglese, l'alternativa.

Il simbolo ''*'', asterisco, indica che l'elemento che lo precede può essere ripetuto zero o più volte.

Dai modelli sopra riportati abbiamo che una cifra può essere 1 o 2 o 3 .. e così via; un numero è composto da almeno una cifra, e può essere seguito da più cifre. Gli operatori sono quelli classici della matematica.

Se noi diamo in input all'analizzatore lessicale la seguente espressione:

Ildove il simbolo ''*''<code>|</code> indica la [[disgiunzione logica]] OR, mentre l'asterisco, indica che l'elemento che lo precede può essere ripetuto zero o più volte.

<code>123 + 141 / 725</code>

Il modello sopra specifica che una cifra è un numero da 1 a 0, mentre un numero è composto da una o più cifre; un operatore è invece il segno più, meno, per e diviso. Secondo questo modello, la stringa <code>123 + 141 / 725</code> produrrà la seguente sequenza di ''token'', trascurando gli spazi.

Ci aspetteremo che l'output sia formato dai seguenti tokens:

{|

! Tipo token

! Lessema (valore del token)

|-

| numero

Riga 46 ⟶ 34:

|}

Per effettuare questo lavoro gli analizzatori lessicali si basano su un [[automa a stati finiti deterministico]], strettamente collegati alle [[espressioni regolari]]. Si parte da uno stato iniziale, e ci si sposta negli altri stati in base al carattere in ingresso sino a quando non si raggiunge uno stato di accettazione nel quale si può inviare il ''token'' in outputuscita. Ad esempio per il nostro modello avremmo un automa simile al seguente:

Da notare come gli spazi bianchi vengano saltati.

[[File:Automa di un analizzatore lessicale.png]]

Per effettuare questo lavoro gli analizzatori lessicali si basano su un [[automa a stati finiti deterministico]]. Si parte da uno stato iniziale, e ci si sposta negli altri stati in base al carattere in ingresso sino a quando non si raggiunge uno stato di accettazione nel quale si può inviare il token in output.

Ad esempio per il nostro modello avremmo un automa simile al seguente:

Si inizia dallo stato iniziale (1), e in base al carattere in arrivo ci si può spostare allo stato 2 o al 4. Se arriva una cifra ci si sposterà al 2, e rimarremmo qui finché non arriva qualcosa di diverso da una cifra, in tal caso passeremo allo stato 3. In questo stato, stato di riconoscimento, produrremmo il ''token'', in questo caso di tipo numero, e lo invieremo in uscita. Dopo il riconoscimento si tornerà allo stato iniziale sempre con lo stesso valore di prima.

[[Immagine:analizzatorelessicale1.png]]

NelNell'esempio caso del nostro esempioprecedente, <code>123 + 141 / 725</code>, gli spostamenti tra gli stati sarebbero stati i seguenti:

Si inizia dallo stato iniziale (1), e in base al carattere in arrivo ci si può spostare allo stato 2 o al 4. Se arriva una cifra ci si sposterà al 2, e rimarremmo qui finché non arriva qualcosa di diverso da una cifra, in tal caso passeremo allo stato 3. In questo stato, stato di riconoscimento, produrremmo il token, in questo caso di tipo numero, e lo invieremo in uscita. Dopo il riconoscimento si tornerà allo stato iniziale sempre con lo stesso valore di prima.

Nel caso del nostro esempio, <code>123 + 141 / 725</code>, gli spostamenti tra gli stati sarebbero stati i seguenti:

{| border="1"

! Carattere

! Stato Attualeattuale

! Azione

|-

Riga 80 ⟶ 65:

| +

| 3

| Produci ''token'' di tipo Numero e valore 123

|-

| +

Riga 87 ⟶ 72:

|-

| +

| 24

| Produci ''token'' di tipo Operatore e valore +

|-

| 1

Riga 108 ⟶ 93:

| /

| 3

| Produci ''token'' di tipo Numero e valore 141

|}

e cosicosì via...

== Costruzione di un analizzatore lessicale ==

Un analizzatore lessicale può essere scritto a mano, ma questo comporterebbe un grosso impiego di tempo. In aiuto ai programmatori vengono strumenti di generazione automatica di lexer, quale ad esempio [[Lex]]. Altri strumenti di generazione di analizzatori lessicali sono integrati nei [[generatore di parser|generatori di parsers''parser'']].

==Voci correlate==

*[[Analisi lessicale (informatica)]]

*[[Analisi sintattica]]

*[[Compilatore]]

{{Portale|informatica}}

*[[Parsing]]

[[Categoria:Analisi lessicale]]

[[Categoria:Teorie della programmazione]]

[[cs:Lexikální analýza]]

[[de:Lexikalischer Scanner]]

[[en:Lexical analysis]]

[[es:Analizador léxico]]

[[fa:تحلیل واژگانی]]

[[fr:Analyse lexicale]]

[[hr:Leksička analiza]]

[[ja:字句解析]]

[[mk:Лексички анализатор]]

[[nl:Lexicale analyse]]

[[pl:Lekser]]

[[pt:Análise léxica]]

[[ru:Лексический анализ]]

[[sv:Lexikalisering]]

[[ta:எழுத்து பாகுபடுத்தி]]

[[vi:Phân tích từ vựng]]