LA CODIFICA DELLE INFORMAZIONI

Transcript

1 LA CODIFICA DELLE INFORMAZIONI Linguaggio Elaborazione delle informazioni: operazioni che possono essere effettuate sulle informazioni: inserimento, archiviazione, modifica, ordinamento, calcolo, ecc. Per poter elaborare le informazioni, è necessario definire un linguaggio, ossia uno strumento che sostituisca dei simboli particolari agli oggetti ed ai concetti. In generale, esistono diversi tipi di linguaggi, che si possono raggruppare in: LINGUAGGI - NATURALI - FORMALI I linguaggi naturali sono quelli utilizzati quotidianamente dagli uomini per comunicare tra loro (italiano, inglese, francese, ecc.); sono dotati in una notevole ricchezza espressiva e semantica, ma possono dar luogo ad ambiguità, imprecisione e difficoltà di interpretazione. I linguaggi formali sono quelli artificiali, creati dall uomo secondo regole ben definite e prive di eccezioni e di ambiguità (linguaggi di programmazione: Pascal, Cobol, ecc.); sono dedicati a scopi precisi e circoscritti.

2 LINGUAGGI FORMALI I linguaggi di programmazione non sono astrazioni ma strumenti per la scrittura di programmi utilizzabili su computer. In generale, la funzione di un linguaggio è quella di permettere la comunicazione tra una sorgente ed un destinatario. In particolare, per quanto riguarda il mondo dell informatica, la comunicazione avviene tra programmatore e computer. Un linguaggio di programmazione è una notazione formale per descrivere i programmi eseguiti dal computer. Come tutte le notazioni formali, si basa sui concetti di lessico, sintassi e semantica. In un linguaggio di programmazione, per ottenere programmi corretti occorre combinare insieme frasi corrette, secondo regole precise di semantica. REGOLE LESSICALI: sono le regole che determinano come i simboli di un alfabeto possono essere cambiati tra di loro per formare parole valide in un determinato linguaggio. REGOLE SINTATTICHE: sono le regole che definiscono come una frase deve essere costruita affinché sia corretta in un determinato linguaggio. REGOLE SEMANTICHE: sono le regole che attribuiscono un significato corretto alle frasi e stabiliscono quale sia l effetto dell istruzione.

3 TIPI DI LINGUAGGIO DI PROGRAMMAZIONE Sulla base dell ambito in cui è necessario risolvere il problema, è opportuno adottare un linguaggio piuttosto che un altro: Calcolo Scientifico: Fortran, C Intelligenza Artificiale: Prolog, Lisp Applicazioni gestionali: Clipper, Cobol, SQL, C Applicazioni client visuali: C++, Java, Visual Basic Applicazioni su Web: Perl, ASP, Java Applicazioni distribuite: Java, C, C++ Un programma è la codifica di un algoritmo eseguita utilizzando un linguaggio di programmazione. L unico linguaggio che la macchina è in grado di interpretare è il linguaggio macchina. Per eseguire un programma scritto in un linguaggio di alto livello è necessario dunque tradurlo in linguaggio macchina. Naturalmente è possibile eseguire la traduzione in modo automatico utilizzando un programma traduttore (un compilatore o un interprete). Ogni traduttore è in grado di interpretare e tradurre un solo linguaggio (compilatore C, interprete Perl, compilatore Pascal, ecc.).

4 COMPILAZIONE L esigenza di produrre programmi sempre più complessi, ha portato alla diffusione di strumenti automatici che ne facilitassero la creazione: editor, compilatori, interpreti, librerie, linker. Nel tempo questi strumenti si sono evoluti, diventando sempre più sofisticati ed user-friendly, ma affondano le loro radici nella teoria dei linguaggi che costituisce la base teorica su cui poggia la progettazione dei compilatori. La compilazione è il processo mediante il quale un programma scritto in un linguaggio di programmazione ad alto livello (cioè vicino al modo di esprimersi dell uomo) viene tradotto in un programma che può essere eseguito dal computer. In generale, un compilatore è esso stesso un programma il cui compito è quello di trasformare un programma in un altro programma.

5 Compilazione Il lavoro di programmazione non viene effettuato scrivendo direttamente le istruzioni in formato binario per il computer, ma in un linguaggio di programmazione, più vicino alla logica del problema (e del programmatore), che a quella della macchina. Il compilatore è un particolare programma che traduce il programma scritto dal programmatore in un certo linguaggio di programmazione, in linguaggio binario (o linguaggio macchina). Il programma scritto in un linguaggio di programmazione si dice programma sorgente (source code), per distinguerlo dal programma in linguaggio binario o linguaggio macchina. Il programma compilato si dice codice oggetto (object code).

6 FASI DELLA COMPILAZIONE Tabella simboli Prog. sorgente lessicale sintattica Generazione codice interm Ottimizzazione Codice oggetto Generazione codice errori La compilazione si distingue in diverse fasi: 1. lessicale, 2. Tabella dei simboli, 3. sintattica, 4. Generazione del codice intermedio, 5. Ottimizzazione del codice intermedio, 6. Generazione del codice macchina.

7 1) ANALISI LESSICALE Tabella simboli Prog. sorgente lessicale sintattica Generazione codice interm Ottimizzazione Generazione codice errori L analisi lessicale ha il compito di trasformare il programma sorgente in una forma sintetica, da restituire come input alla fase successiva dell analisi sintattica. Riceve in input il programma sorgente e trasforma le sequenze di caratteri delle istruzioni (parole chiave, identificatori, costanti, operatori, simboli di punteggiatura, ecc.) in unità lessicali dette token. I token sono delle coppie di numeri, in cui il primo individua il tipo di simbolo letto (parole chiave, identificatori, costanti, operatori, ecc.); il secondo è il puntatore, o indice di riga, in cui si trova il simbolo nella Tabella dei simboli. Il programma scritto dal programmatore subisce quindi una prima trasformazione in sequenze di token, espressi secondo una opportuna codifica.

8 Esempio Ad esempio, al compilatore arriva la seguente istruzione in un certo linguaggio di programmazione: X = (A + B) * 5 Questa istruzione viene accettata dall analizzatore lessicale, e viene trasformata in una stringa di token, cioè coppie di numeri, in cui: 1) il primo numero identifica il tipo di operando dell istruzione input, per esempio: 0 simbolo non definito 1 per gli identificatori 2 per i numeri X = ( A + B ) * 5 3 per il simbolo = 4 per il simbolo ( per il simbolo + 6 per il simbolo ) 7 per il simbolo * ecc. 2) il secondo numero identifica il puntatore, ovvero numero di riga della Tabella dei simboli, che contiene la descrizione del simbolo.

9 Esempio 1 X variabile La rappresentazione interna dei simboli, nella Tabella dei simboli, sarà per esempio: 2 3 = ( operatore operatore 4 A variabile 5 + operatore 6 B variabile 7 ) operatore 8 * operatore 9 5 costante Successivamente, se per esempio arriva un altra istruzione, X = C la Tabella viene aggiornata: si aggiunge un altra riga per l identificatore C, mentre X e = sono già presenti e non vengono riscritti. 10 C variabile

10 Esempio X 1 = 3 ( 4 A B 1 ) 6 * X = ( variabile operatore operatore 4 A variabile L analisi lessicale produce quindi, come output, i seguenti token o coppie, dove al posto delle descrizioni (X,=,A, ecc.), in effetti viene inserito il puntatore alla Tabella dei simboli B ) * operatore variabile operatore operatore X = ( A + B ) * costante (1,1) (3,2) (4,3) (1,4) (5,5) (1,6) (6,7) (7,8) (2,9) Il primo numero del token è la rappresentazione interna del simbolo riconosciuto, mentre il secondo è il puntatore alla Tabella dei simboli. Il primo numero serve per l analisi sintattica, il secondo per la generazione del codice.

11 Esempio Nella fase dell analisi lessicale, vengono assegnati nei token gli stessi numeri a operandi diversi. Per esempio, A * B C * D non sono le stesse espressioni, ma la struttura è la stessa perché si esegue in ogni caso un prodotto. Infatti, nel nostro esempio, per entrambe viene generato il numero

12 Esercizio lessicale. Costruire la Tabella di simboli e i token della seguente istruzione: BEGIN X=X+1 END Il primo numero identifica il tipo di operando dell istruzione input: 1 per gli identificatori 2 per i numeri BEGIN X 3 per il simbolo = 4 per il simbolo per i comandi (parole riservate) = 3 X END 5 TABELLA DEI SIMBOLI BEGIN X = + 1 parola riservata variabile operatore operatore costante TOKEN Il primo numero del token è la rappresentazione interna del simbolo riconosciuto, mentre il secondo è il puntatore alla Tabella dei simboli. (5,1) (1,2) (3,3) (1,2) (4,4) (2,5) (5,6) 6 END parola riservata

13 TEST lessicale. Costruire la Tabella di simboli e i token della seguente istruzione: FOR X=1 TO 10 DO Y=Y + 1

14 2) ANALISI SINTATTICA Tabella simboli lessicale sintattica Generazione codice interm Ottimizzazione Generazione codice errori La sequenza di token generata dalla fase di lessicale, viene controllata dall analizzatore sintattico, il quale ha il compito di stabilire se le varie frasi rispettano le regole grammaticali del linguaggio mediante controlli, quali ad esempio: un identificatore non deve essere dichiarato più di una volta, tutte le variabili devono essere dichiarate prima del loro uso, ecc. In pratica, durante questa fase si accerta se l istruzione del linguaggio pervenuta, è sintatticamente corretta o no. Per esempio, l istruzione A + * B è scorretta perché contiene due operatori consecutivi, ed è compito di questa fase accertarne la scorrettezza.

15 Esempio Nell esempio precedente, se all analizzatore lessicale arriva in input l istruzione A * B, esso produce in output il numero 1 7 1, che giunge in input all analizzatore sintattico, il quale ne riconosce la validità sintattica senza però conoscerne gli operandi. Infatti, anche per l istruzione C * D esso riceve il numero Il fatto che le parole su cui opera sono diverse, non interessa all analizzatore sintattico. Esso controlla solo se la struttura delle istruzioni input è compatibile o meno con la sintassi del linguaggio di programmazione considerato. Il fatto che le parole su cui opera sono diverse, interesserà invece in un secondo momento per la generazione del codice macchina.

16 3) GENERAZIONE CODICE INTERMEDIO Tabella simboli lessicale sintattica Generazione codice interm Ottimizzazione Generazione codice errori Nella terza fase viene generato il codice intermedio, utilizzando le strutture prodotte nella precedente fase di analisi sintattica, in modo da ottenere una sequenza di istruzioni molto vicina al codice macchina (in qualche caso per linguaggio intermedio viene inteso il linguaggio assembler della macchina oggetto). Alcuni vecchi compilatori non prevedono il passaggio attraverso questa fase intermedia e generano direttamente il codice macchina che risulta, però, poco ottimizzato.

17 4) OTTIMIZZAZIONE Tabella simboli lessicale sintattica Generazione codice interm Ottimizzazione Generazione codice errori La successiva fase di ottimizzazione ha lo scopo di produrre un codice oggetto il più possibile efficiente, ovvero: più veloce, occupi meno spazio in memoria.

18 5) GENERAZIONE CODICE Tabella simboli lessicale sintattica Generazione codice interm Ottimizzazione Generazione codice errori La generazione del codice oggetto è la fase finale del processo di compilazione, nella quale vengono scelte: - le locazioni di memoria a cui assegnare le singole istruzioni, - la modalità di esecuzione delle istruzioni, che dipende dal particolare tipo di hardware utilizzato. Il linguaggio macchina è diverso a seconda della CPU presente nel calcolatore. Quindi i programmi eseguibili (in linguaggio macchina) sono strettamente dipendenti, sia dalla piattaforma hardware che dal particolare sistema operativo adottato.

19 6) ANALISI ERRORI Tabella simboli lessicale sintattica Generazione codice interm Ottimizzazione Generazione codice errori In ciascuna delle cinque fasi c è l interazione con due particolari moduli del compilatore: 1. Tabella dei simboli, 2. errori. 1. La Tabella dei simboli provvede alla memorizzazione di tutti i nomi presenti nel programma, e di tutte le informazioni associate. 2. L errori viene richiamata durante le varie fasi del processo di compilazione in cui si è riscontrato un errore. Provvede a produrre un opportuno messaggio per la diagnostica, per far si che la fase di compilazione possa proseguire, e possa essere scoperto il maggior numero di errori possibile.

20 Esempio Gli errori possono venir fuori in una qualsiasi fase: caricamento, compilazione, elaborazione. È necessario quindi avere una corretta diagnostica degli errori. Un compilatore che non fosse in grado di effettuare una diagnostica, non sarebbe utilizzabile. Fare una corretta diagnosi degli errori, ed eventualmente una correzione di quelli che si sono verificati, è un problema estremamente complesso. 1) Se supponiamo di utilizzare un linguaggio di programmazione in cui non conta lo spazio separatore, allora avremmo una grande flessibilità di linguaggio, contro un lavoro molto complesso dell analizzatore. In questo caso, l istruzione FOR M=1 potrebbe essere scritta anche come FORM=1. È ovvio che l analizzatore lessicale non può distinguere subito che FOR è una parola riservata (o comando), potrebbe anche considerarla come una variabile FORM a cui assegnare il valore 1. 2) Se invece supponiamo di utilizzare un linguaggio di programmazione in cui conta lo spazio separatore, ovvero si impone che gli identificatori devono essere separati da almeno uno spazio, allora avremmo un lavoro più semplice dell analizzatore, contro una minore flessibilità di linguaggio.

21 IN PRATICA Supponiamo di utilizzare un linguaggio di programmazione denominato CLIPPER. Il programmatore utilizzerà un programma di editor (MS EDIT, BLOCCO NOTE, ecc.) per scrivere il programma sorgente, (che sarà salvato con estensione.prg). Questo file sarà leggibile dal programmatore, incomprensibile per l utente finale e per il computer. Mediante il programma Blocco note, il programmatore scrive un file di nome GEMAG.PRG, contenente una serie di istruzioni in linguaggio CLIPPER.

22 In pratica Dopo aver scritto e salvato il programma con Blocco note, il programmatore esegue un altro programma, chiamato in questo caso CL, seguito dal nome del file e da altri parametri, per avviare la fase di compilazione del programma GEMAG.PRG. Programma sorgente, scritto dal programmatore con il programma Blocco note Fase di compilazione, avviata dal programmatore tramite il programma CL Codice oggetto, file creato automaticamente, con nome GEMAG.EXE.

23 In pratica Alla fine della compilazione, automaticamente sarà creato un nuovo file, di nome GEMAG.EXE, che rappresenta il codice oggetto. Questo nuovo file sarà incomprensibile per il programmatore e per l utente finale, leggibile e quindi eseguibile per il computer. Codice oggetto

24 Compilatori ed interpreti Il COMPILATORE esegue una sola volta il seguente processo: 1) legge tutte le istruzioni del programma sorgente e le traduce in linguaggio macchina; 2) memorizza su disco il programma eseguibile tradotto in linguaggio macchina. Al termine della compilazione avremo un programma eseguibile in linguaggio macchina. La traduzione di ogni istruzione del programma avviene una sola volta, anche se una stessa istruzione viene ripetuta più volte all interno del programma. Non occorre avere il compilatore ed il sorgente per eseguire il programma: basta il programma eseguibile. Vantaggi Più velocità, una sola traduzione. Copyright, solo codice oggetto. Correttezza di tutte le istruzioni a priori. Svantaggi Più memoria, un nuovo file.exe. Controlla tutte le istruzioni, anche quelle mai utilizzate dall utente.

25 INTERPRETE L INTERPRETE esegue più volte il seguente processo: 1) legge una istruzione del programma sorgente; 2) traduce l istruzione in linguaggio macchina; 3) esegue l istruzione tradotta, 4) passa all interpretazione dell istruzione successiva. Al termine di questa operazione, del programma in linguaggio macchina non rimane alcuna traccia (la traduzione non viene memorizzata). Se il programma torna più volte su una stessa istruzione, questa verrà tradotta (ed eseguita) ogni volta. È necessario disporre del programma sorgente e dell interprete per poter eseguire il programma. Vantaggi Meno memoria, solo programma sorgente. Controlla solo le istruzioni utilizzate dall utente. Svantaggi Meno velocità, ogni volta una traduzione. Copyright, occorre sempre il programma sorgente. Mancata correttezza di tutte le istruzioni a priori, sono sicuramente corrette solo quelle eseguite dall utente.

26 LIBRERIE Le librerie sono delle funzioni di uso comune, già compilate, in forma di moduli oggetto, e raggruppate in files. Ci sono due tipi di librerie, con due modi diversi di integrazione con il codice oggetto: 1) librerie con link statico: cioè fisicamente messe insieme ai moduli oggetto nel file eseguibile; 2) librerie con link dinamico: queste non sono fisicamente inserite nell'eseguibile; nell'eseguibile ci sono solo i nomi delle funzioni utilizzate ed il loro "indirizzo", le librerie vengono collegate al programma solo al momento dell'esecuzione. In questo modo il file eseguibile è molto più piccolo e maneggevole. In Windows, hanno l'estensione dll.

27 Librerie Nel caso del link dinamico, le librerie ovviamente devono trovarsi sempre sul computer dove risiede il programma eseguibile. Nel caso del link statico, invece, il programma eseguibile si può portare da un computer ad un altro, senza preoccuparsi dell esistenza delle librerie sui vari computer.

28 LINKER Il linker è un programma che collega insieme tutti i moduli oggetto che costituiscono il programma, con le librerie, creando in questo modo un file eseguibile, cioè un programma pronto per essere eseguito dal computer. Una volta passate le fasi di compilazione e link, un programma diventa un file pronto per essere eseguito. L'esecuzione avviene tramite il sistema operativo, che deve preparare le tabelle che lo descrivono, caricarlo in memoria e passargli il controllo.

29 Linker Dal punto di vista dell'utente, l'esecuzione si può ottenere in vari modi: in ambiente Windows si può cliccare su un'icona dell'interfaccia grafica che rappresenta il programma; in ambiente Unix si può scrivere il nome del programma come un comando dell interfaccia a caratteri; un programma può anche essere fatto partire da un altro programma (file batch); alcuni programmi vengono fatti partire in modo automatico, all'accensione del computer (autoexec.bat, Esecuzione automatica ).