Создание нового языка программирования - с чего начать: различия между версиями
Mikst (обсуждение | вклад) |
Mikst (обсуждение | вклад) |
||
Строка 360: | Строка 360: | ||
====ИмяЯзыкаParserTools.cs ==== | ====ИмяЯзыкаParserTools.cs ==== | ||
Тут тоже свален всякий мусор, который в другие места никуда видимо не пихался. Привожу для Kumir - в PascalABC есть что-то дополнительное. | Тут тоже свален всякий мусор, который в другие места никуда видимо не пихался. Привожу для Kumir - в PascalABC есть что-то дополнительное. Это тоже надо переделывать, вынося в абстрактный класс. | ||
Суть здесь - простая: когда возникает ошибка, в которой ожидалось несколько токенов, выбирается один согласно приоритету, и говорится: ожидался такой-то токен. Для этого все токены разбиты по приоритетам - в symbol_priority. Метод symbol_to_string переводит токен в строку. | Суть здесь - простая: когда возникает ошибка, в которой ожидалось несколько токенов, выбирается один согласно приоритету, и говорится: ожидался такой-то токен. Для этого все токены разбиты по приоритетам - в symbol_priority. Метод symbol_to_string переводит токен в строку. |
Версия от 21:52, 2 мая 2010
Мы будем создавать парсер языка - программу, переводящую текст программы на языке программирования, в так называемое синтаксическое дерево. По-существу, парсер является первой частью компилятьра, его front-endом.
Папка с грамматикой
В папке с грамматикой - 2 файла - .grm и .pgt. .grm содержит файл с грамматикой в формате Gold Parser Builder, дополненный шаблонами действий (действия - в стиле Yacc). Шаблоны действий хранятся в виде комментариев Gold Parser Builder, так что на компиляцию им грамматики не влияют.
.pgt - это шаблон для создания скелета парсера, имеется для различных языков, мы используем для C#. Это означает, что сами парсеры
Все остальные файлы, если они есть, - можно убить - они генерируются автоматически.
По .grm файлу Gold Parser Builder автоматически создает .cgt файл - это файл откомпилированной грамматики - пока без правил. Они будут учтены позже.
Шаблоны в .grm файле
Шаблоны создавались Ткачуком для облегчения автоматической генерации кода. Рассмотрим пример:
!<%NAME%> %CODE%
!*
[TERMINALTEMPLATE]
{
%NAME% _%NAME%=new %NAME%(%PARAMS%);
_%NAME%.source_context=parsertools.GetTokenSourceContext();
%CODE%
return _%NAME%;
}
*!
и связанный с ним код правила для простого токена (терминального символа):
tkIf = 'if' !*<token_info>*!
Здесь - первая строка
!<%NAME%> %CODE%
задает вид правой части: <token_info>. В данном случае %NAME%=token_info, %CODE% - пустой
Все терминальные символы подвергаются действию этого шаблона. В результате в данном случае <token_info> переходит в
token_info _token_info=new token_info(%PARAMS%);
_token_info.source_context=parsertools.GetTokenSourceContext();
// пусто
return _token_info;
%PARAMS% - это параметр в круглых скобках в <> в правилах. Поскольку правило имеет вид <token_info> и не содержит круглых скобок, то здесь здесь %PARAMS% - пустой.
source_context - это объект класса SourceСontext, хранящий строку и столбец начала и конца узла в синтаксическом дереве.
Шаблон для нетерминала
Рассмотрим нетерминал:
<if_then_else_branch>
::= tkThen <then_branch> !*3if_node<null,(statement)$2,null>
parsertools.create_source_context($$,$1,parsertools.sc_not_null($2,$1));
Цифра 3 говорит о том, что используется шаблон нетерминала №3:
!*
[NONTERMINALTEMPLATE3]
{
%NAME% _%NAME%=new %NAME%(%PARAMS%);
%CODE%
return _%NAME%;
}
*!
Если цифра не присутствует, то шаблон не применяется.
Как и в Yacc, в правилах доступны $$ (левая часть правила), $1 - первый параметр и т.д.
Как генерируется парсер
Вначале мы подаем файл .grm программе Gold Parser Builder или ее консольной версии. Если ошибок нет, то генерируется файл .cgt - это откомпилированный файл грамматики. Он не содержит правил.
Затем по файлу .cgt и файлу .pgt (заготовка для скелета парсера) с помощью программы createskelprog_main.exe (программа входит в консольную версию Gold Parser Builder, скачать ее можно со страницы [1]) генерируется скелет парсера на конкретном языке (в нашем случае - на C#). Этот скелет содержит парсер, в котором для каждого правила создан пустой метод. Эти методы и надо заполнить действиями по генерации синтаксического дерева программы.
При изменении грамматики такой подход чрезвычайно неудобен, именно поэтому Ткачук создал программу, которая по файлу грамматики и по получаемому скелету парсера на C# вписывает в этот скелет правила, содержащиеся в комментариях !* *! в .grm файле после каждого правила.
Программа Ткачука, выполняющая это действие, называется grmCommentCompiler.exe. В итоге вся последовательность действий имеет вид (на примере грамматики для языка КуМир):
goldbuilder_main.exe KuMir.grm KuMir.cgt
createskelprog_main.exe KuMir.cgt KuMir.pgt KuMir.tmpl
grmCommentCompiler.exe KuMir.grm KuMir.tmpl KuMir.cs
Заметим, что для работы парсера необходим так называемый движок парсера (Parser Engine). В нашем случае он находится в файле ParserTools.dll, построенном на движке Морозова Morozov C# Engine со страницы [2]
Основные узлы синтаксического дерева
Все узлы синтаксического дерава наследуются от базового класса tree_node
public class tree_node
{
public tree_node()
public tree_node(SourceContext _source_context)
public SourceContext source_context
public virtual void visit(IVisitor visitor)
}
Для реализации механизма визиторов каждом узле дерева определен метод
public virtual void visit(IVisitor visitor)
{
visitor.visit(this);
}
Для обхода дерева необходимо написать класс визитор, в котором будет переопределена функция visit для всех типов узлов
class visualizator : IVisitor
{
public void visit(tree_node _tree_node)
{}
. . .
}
Этот пункт не закончен.
Устройство парсера
Чтобы встроить парсер в оболочку PascalABC.NET, необходимо создать в папке Parsers проекта подпапку с именем языка. Рассмотрим этот процесс на примере создания парсера Оберона.
Создадим подпапку OberonParser. Скопируем в нее созданный на предыдущем этапе парсер в файл Oberon_lrparser_rules.cs Скопируем остальные файлы из любой папки с парсерами, переименовав некоторые из них:
Parser.cs Oberon_lrparser.cs OberonParserTools.cs Errors.cs
Parser.cs
Parser.cs содержит реализацию интерфейса IParser. Для этого кода сделаю абстрактный класс. Безобразие - тут всё повторяется.
Приведем код на примере парсера КуМира:
namespace PascalABCCompiler.KuMirParser
{
public class KuMirLanguageParser : IParser
{
GPBParser_KuMir parser;
public KuMirLanguageParser()
{
filesExtensions = new string[1];
filesExtensions[0] = ".alg";
}
string[] filesExtensions;
public string[] FilesExtensions
{
get
{
return filesExtensions;
}
}
public ILanguageInformation LanguageInformation {
get {
return new DefaultLanguageInformation(this);
}
}
public void Reset()
{
parser = new GPBParser_KuMir(CGTResourceExtractor.Extract(new ResourceManager("KuMirParser.KuMirLang", Assembly.GetExecutingAssembly()), "KuMirLanguage"));
parser.max_errors = 30;
}
public bool CaseSensitive
{
get
{
return parser.LanguageGrammar.CaseSensitive;
}
}
public List<compiler_directive> CompilerDirectives
{
get
{
return new List<compiler_directive>();
}
}
SourceFilesProviderDelegate sourceFilesProvider = null;
public SourceFilesProviderDelegate SourceFilesProvider
{
get
{
return sourceFilesProvider;
}
set
{
sourceFilesProvider = value;
}
}
List<Error> errors = new List<Error>();
public List<Error> Errors
{
get
{
return errors;
}
set
{
errors = value;
}
}
public Keyword[] Keywords
{
get
{
return new Keyword[0];
}
}
public syntax_tree_node BuildTree(string FileName, string Text, string[] SearchPatchs, ParseMode ParseMode)
{
if (parser == null)
Reset();
parser.errors = Errors;
parser.current_file_name = FileName;
parser.parsertools.LineCorrection = 0;
syntax_tree_node cu = null;
switch (ParseMode)
{
case ParseMode.Normal:
cu = (syntax_tree_node)parser.Parse(Text);
break;
case ParseMode.Expression:
case ParseMode.Statement:
return null;
}
if (cu != null && cu is compilation_unit)
{
(cu as compilation_unit).file_name = FileName;
(cu as compilation_unit).compiler_directives = CompilerDirectives;
}
return cu;
}
public string Name
{
get
{
return "KuMir";
}
}
public string Version
{
get
{
return "1.0";
}
}
public string Copyright
{
get
{
return "(c) 3 course";
}
}
public override string ToString()
{
return "KuMir Language Parser v1.0";
}
public IPreprocessor Preprocessor
{
get
{
return null;
}
}
}
}
Errors.cs
Этот код тоже везде повторяется. В PascalABC - самый полный набор ошибок:
namespace PascalABCCompiler.PascalABCParser.Errors
{
public class bad_operand_type: SyntaxError
{
public bad_operand_type(string _file_name,SourceContext _source_context,syntax_tree_node _node):
base(StringResources.Get("OPERATOR_NOT_IMPLEMET_TO_THIS_OPEAND_TYPE"), _file_name, _source_context, _node)
{
}
}
public class statement_expected : SyntaxError
{
public statement_expected(string _file_name,SourceContext _source_context,syntax_tree_node _node):
base(StringResources.Get("STATEMENT_EXPECTED"), _file_name, _source_context, _node)
{
}
}
public class bad_leftside_assigment : SyntaxError
{
public bad_leftside_assigment(string _file_name,SourceContext _source_context,syntax_tree_node _node):
base(StringResources.Get("LEFT_SIDE_ASSIGN_MUST_BE_VARIABLE"), _file_name, _source_context, _node)
{
}
}
public class nonterminal_token_return_null : SyntaxError
{
public nonterminal_token_return_null(string _file_name,SourceContext _source_context,syntax_tree_node _node,string nonterminal_token_name):
base(string.Format(StringResources.Get("NONTERMINALTOKEN_{0}_RETURN_NULL"), nonterminal_token_name),
_file_name,_source_context,_node)
{
}
}
public class unexpected_return_value : SyntaxError
{
public unexpected_return_value(string _file_name, SourceContext _source_context, syntax_tree_node _node)
: base(StringResources.Get("PROCEDURE_CANNOT_HAVE_RETURNED_VALUE"), _file_name, _source_context, _node)
{
}
}
public class unexpected_ident : SyntaxError
{
public unexpected_ident(string _file_name,ident unexpected_id,string expected,SourceContext _source_context, syntax_tree_node _node)
: base(string.Format(StringResources.Get("EXPECTED_{0}_BUT_FOUND_{1}"), expected, unexpected_id.name), _file_name, _source_context, _node)
{
}
}
public class PABCNETUnexpectedToken : SyntaxError
{
private string _message;
public PABCNETUnexpectedToken(PascalABCCompiler.ParserTools.GPBParser parser)
: base("", parser.current_file_name, parser.parsertools.GetTokenSourceContext(parser.LRParser), (syntax_tree_node)parser.prev_node)
{
List<GoldParser.Symbol> Symbols = parser.parsertools.GetPrioritySymbols(parser.LRParser.GetExpectedTokens());
if (Symbols.Count == 1)
{
string OneSybmolText = "ONE_" + Symbols[0].Name.ToUpper();
string LocOneSybmolText = StringResources.Get(OneSybmolText);
if (LocOneSybmolText != OneSybmolText)
{
_message = string.Format(LocOneSybmolText);
return;
}
}
_message = string.Format(StringResources.Get("EXPECTED{0}"), PascalABCCompiler.FormatTools.ObjectsToString(parser.parsertools.SymbolsToStrings(Symbols.ToArray()), ","));
}
public PABCNETUnexpectedToken(string _file_name, string expected, SourceContext _source_context, syntax_tree_node _node)
: base("", _file_name, _source_context, _node)
{
_message = string.Format(StringResources.Get("EXPECTED{0}"), expected);
}
public override string Message
{
get
{
return _message;
}
}
}
}
Остальные парсеры заимствуют только UnexpectedToken - видимо, из лени. Надо всё это переделывать - всё повторяется.
ИмяЯзыка_lrparser.cs
ИмяЯзыкаParserTools.cs
Тут тоже свален всякий мусор, который в другие места никуда видимо не пихался. Привожу для Kumir - в PascalABC есть что-то дополнительное. Это тоже надо переделывать, вынося в абстрактный класс.
Суть здесь - простая: когда возникает ошибка, в которой ожидалось несколько токенов, выбирается один согласно приоритету, и говорится: ожидался такой-то токен. Для этого все токены разбиты по приоритетам - в symbol_priority. Метод symbol_to_string переводит токен в строку.
namespace PascalABCCompiler.KuMirParser
{
public static class StringResources
{
private static string prefix = "KUMIRPARSER_";
public static string Get(string Id)
{
string ret = PascalABCCompiler.StringResources.Get(prefix + Id);
if (ret == prefix + Id)
return Id;
else
return ret;
}
}
public class KuMir_parsertools : parser_tools
{
public override string symbol_to_string(Symbol symbol)
{
switch (symbol.Index)
{
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_MINUS:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_DIV:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_MULT:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_GREATER:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_GREATEREQUAL:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_LOWER:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_LOWEREQUAL:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_NOTEQUAL:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_POWER:
return StringResources.Get("OPERATOR");
}
string res = StringResources.Get(symbol.Name);
/*if (res.IndexOf("TK_") == 0)
return res.Remove(0, 3).ToLower();
return res;*/
return res;
}
public override int symbol_priority(Symbol symbol)
{
switch (symbol.Index)
{
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_END:
return 8;
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_BEGIN:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_INTEGER:
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_ROUNDCLOSE:
return 9;
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_IDENTIFIER:
return 10;
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_ASSIGN:
return 25;
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_EQUAL:
return 25;
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_EXPRESSION:
return 100;
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_STATEMENT:
return 110;
case (int)GPBParser_KuMir.SymbolConstants.SYMBOL_TK_SEMICOLON:
return 1000;
}
if (symbol.SymbolType == SymbolType.Terminal)
return 1;
return 0;
}
}
}