jueves, 20 de febrero de 2014

Un analizador léxico es el componente encargado de identificar los tokens válidos en un código de entrada y emitir errores de ser necesario, crearemos un analizador léxico basado en expresiones regulares capaz de detectar números, cadenas, comentarios, operadores, identificadores y palabras reservadas.

El analizador léxico deberá informar de cada token encontrado, en que linea y columna exactamente fue extraído el token, ademas del indice del token, el tipo y el lexema que lo representa, toda esta información la mostraremos en un ListView de WPF.

Uso de Expresiones regulares


Para construir el analizador léxico utilizaremos la clase Regex que implementa el motor de expresiones regulares de .Net Framework, este nos permitirá buscar modelos de caracteres o patrones que representan nuestros tokens admitidos por el analizador léxico, regex creara el AFN (Autómata Finito No Determinista) correspondiente a la expresión regular que creemos.

Para especificar los modelos de caracteres admitidos necesitamos conocer el lenguaje de expresiones regulares, si no estamos familiarizados con las expresiones regulares mira: Introducción a Expresiones Regulares.

Analizador Léxico Basado en Expresiones Regulares


Nuestro analizador léxico identificara la sintaxis básica de el lenguaje C#, para ello definiremos las siguientes expresiones regulares:

csLexer.AddTokenRule(@"\s+", "ESPACIO", true);           
csLexer.AddTokenRule(@"\b[_a-zA-Z][\w]*\b", "IDENTIFICADOR");
csLexer.AddTokenRule("\".*?\"", "CADENA");
csLexer.AddTokenRule(@"'\\.'|'[^\\]'", "CARACTER");
csLexer.AddTokenRule("//[^\r\n]*", "COMENTARIO1");
csLexer.AddTokenRule("/[*].*?[*]/", "COMENTARIO2");
csLexer.AddTokenRule(@"\d*\.?\d+", "NUMERO");             
csLexer.AddTokenRule(@"[\(\)\{\}\[\];,]", "DELIMITADOR");
csLexer.AddTokenRule(@"[\.=\+\-/*%]","OPERADOR");
csLexer.AddTokenRule(@">|<|==|>=|<=|!", "COMPARADOR");

El método AddTokenRule agrega un patrón a reconocer, debemos indicar el primer lugar la expresión regular, seguido de un nombre para el token y por ultimo un valor tipo bool opcional que indica si se debe ignorar el correspondiente token.

Para detectar la palabras reservadas del lenguaje solo agregaremos una lista de estas palabras, si el token IDENTIFICADOR pertenece a la lista de palabras reservadas cambiamos el nombre de token a RESERVADO.

La clase RegexLexer es la encargada de compilar la expresión regular, crear el AFN y detectar los correspondientes tokens, una vez inicializada la clase llamamos al método GetTokens(string).

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
public IEnumerable GetTokens(string text)
 {
     if (requiereCompilar) throw new Exception("Compilación Requerida, llame al método Compile(options).");

     Match match = rex.Match(text);

     if (!match.Success) yield break;

     int line = 1, start = 0, index = 0;

     while (match.Success)
     {
         if (match.Index &gt; index)
         {
             string token = text.Substring(index, match.Index - index);

             yield return new Token("ERROR", token, index, line, (index - start) + 1);

             line += CountNewLines(token, index, ref start);
         }

         for (int i = 0; i &lt; GNumbers.Length; i++)
         {
             if (match.Groups[GNumbers[i]].Success)
             {
                 string name = rex.GroupNameFromNumber(GNumbers[i]);

                 yield return new Token(name, match.Value, match.Index, line, (match.Index - start) + 1);

                 break;
             }
         }

         line += CountNewLines(match.Value, match.Index, ref start);
         index = match.Index + match.Length;
         match = match.NextMatch();
     }

     if (text.Length &gt; index)
     {
         yield return new Token("ERROR", text.Substring(index), index, line, (index - start) + 1);
     }
 }

Utilizaremos un ListView para crear una vista de nuestros tokens encontrados, aquellos tokens no admitidos serán marcados en rojo y contados como error, la GUI se vera de este modo.


Este es un ejemplo sencillo y muy básico de como crear un analizador léxico usando expresiones regulares en .net, no se admiten todas las características del lenguaje C# pero podemos agregar las expresiones regulares correspondientes si lo deseamos.

Descargar Analizador Léxico.

4 comentarios :

  1. Como haria si quisiera que analizara un codigo que se encuentra en un archivo .txt?

    ResponderEliminar
    Respuestas
    1. Enves de recibir un codigo den la caja seria una importancion de texto, tendrias que poner el codigo para importar un txt.

      Eliminar
  2. Donde se meten las listas para agregar mas palabras reservadas? Saludos

    ResponderEliminar
    Respuestas
    1. en la variable palabrasReservas, la misma es una lista de string

      Eliminar