编译原理完整学习笔记(五):属性文法和语法制导翻译

2023-11-01 19:31

本文主要是介绍编译原理完整学习笔记(五):属性文法和语法制导翻译,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

如果你对这篇文章可感兴趣,可以点击「【访客必读 - 指引页】一文囊括主页内所有高质量博客」,查看完整博客分类与对应链接。

文章目录

    • 前言
    • 属性文法和语法制导翻译
      • 一、概述
        • 1.1 综合属性
        • 1.2 继承属性
        • 1.3 语义规则
      • 二、带注释的语法树
        • 2.1 S-属性文法
        • 2.2 L-属性文法
      • 三、属性计算
        • 3.1 概述
        • 3.2 语法制导翻译法
        • 3.3 依赖图
          • 3.3.1 构建算法
          • 3.3.2 依赖图举例
          • 3.3.3 属性的计算次序
        • 3.4 树遍历
          • 3.4.1 树遍历算法
          • 3.4.2 树遍历举例
        • 3.5 一遍扫描
          • 3.5.1 抽象语法树
          • 3.5.2 建立抽象语法树
          • 3.5.3 一遍扫描举例
    • 资料来源


属性文法和语法制导翻译

一、概述

属性文法,也称为属性翻译文法,以 “上下文无关文法” 为基础,扩充了以下两部分内容:

  • 每个文法符号(终结符或非终结符)有 “值”(属性)
  • 每个产生式有一组属性的语义规则,对属性进行计算和传递

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8Rc3D5XP-1597633504396)(media/15892523842959.jpg)]

属性中有两类属性,一种是综合属性,另一种是继承属性。

1.1 综合属性
  • 自下而上传递信息
  • 语法规则:产生式右部确定左部

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5DUdISAo-1597633504400)(media/15892526840515.jpg)]

  • 语法树:子节点确定父节点

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NRTKo3d6-1597633504403)(media/15892527144167.jpg)]

1.2 继承属性
  • 自上而下传递信息
  • 语法规则:产生式左部确定右部

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AE7vVOgJ-1597633504404)(media/15892528247818.jpg)]

  • 语法树:(父节点 + 兄弟节点)确定(子节点)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-O0dtDFui-1597633504405)(media/15892528777996.jpg)]

1.3 语义规则

产生式 A → α A\rightarrow \alpha Aα 对应的语义规则如下:
b : = f ( c 1 , c 2 , . . . , c k ) b:=f(c_1,c_2,...,c_k) b:=f(c1,c2,...,ck)
其中共有两种情况:

  • b 是 A 的综合属性, c i c_i ci 是产生式右边文法符号的属性
  • b 是产生式右边文法符号的继承属性, c i c_i ci 是 A 或产生式右边文法符号的属性

由此可以如下结论:

  • 终结符只有综合属性,且由词法分析器提供
  • 非终结符可以有综合属性、继承属性
  • 文法开始符号的所有继承属性作为属性计算前的初始值

语义规则功能:

  • 属性计算、静态语义检查
  • 符号表操作、代码生成

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QMpMOGZt-1597633504405)(media/15892538453566.jpg)]

二、带注释的语法树

2.1 S-属性文法
  • 语法树中,一个结点的综合属性的值由其子结点和它本身的属性值确定
  • 使用自底向上的办法在每一个结点处使用语义规则计算综合属性的值
  • 仅使用综合属性的属性文法为 S-属性文法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y9juqgUB-1597633504406)(media/15892612853527.jpg)]

  • 分析过程
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fiAx0561-1597633504406)(media/15922112717264.jpg)]
2.2 L-属性文法

语法树中,结点的继承属性由其父结点、其兄弟结点和其本身的某些属性确定。

  • 继承属性,常用于表示上下文依赖关系

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BZqkIJiZ-1597633504407)(media/15892613875832.jpg)]

  • 文法定义
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SxF5IKBZ-1597633504407)(media/15922111699746.jpg)]

三、属性计算

3.1 概述

语义规则的计算功能如下:

  • 产生代码
  • 在符号表中存放信息
  • 给出错误信息
  • 执行任何其它动作

「总结」对输入串的翻译就是根据语义规则进行计算。

3.2 语法制导翻译法

语法制导翻译法:由源程序的语法结构所驱动的处理办法
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VtEANdJK-1597633504408)(media/15892618009527.jpg)]

基于属性文法的处理方法有:

  • 依赖图
  • 树遍历
  • 一遍扫描
3.3 依赖图

「功能」描述一棵语法树中的结点的继承属性和综合属性之间的相互依赖关系

3.3.1 构建算法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WnBbGeUT-1597633504409)(media/15892650094231.jpg)]

3.3.2 依赖图举例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TYfjWGSG-1597633504410)(media/15892650332609.jpg)]

  • 如果一属性文法不存在属性之间的循环依赖关系,则该文法为良定义的
  • 一个依赖图的任何拓扑排序都给出一个语法树中结点的语义规则计算的有效顺序
3.3.3 属性的计算次序

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vbFq3X9o-1597633504410)(media/15892651743803.jpg)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YWiDTh0D-1597633504411)(media/15892652559998.jpg)]

3.4 树遍历

「具体方法」通过树遍历的方法计算属性的值

  • 输入时,树中已有开始符号的继承属性和终结符的综合属性
  • 深度优化,从左到右的遍历

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-N7aQHHoJ-1597633504411)(media/15892661489408.jpg)]

3.4.1 树遍历算法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kEnNcQOF-1597633504412)(media/15892661947124.jpg)]

3.4.2 树遍历举例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nddjpMjX-1597633504413)(media/15892662280687.jpg)]

3.5 一遍扫描
  • 在语法分析的同时计算属性值
  • 适用于 S-属性文法 / L-属性文法
3.5.1 抽象语法树

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-brxGPTNM-1597633504413)(media/15892669752285.jpg)]

3.5.2 建立抽象语法树

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Qb93KAzu-1597633504414)(media/15892670047060.jpg)]

3.5.3 一遍扫描举例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-60ZsNJX6-1597633504414)(media/15892670363976.jpg)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uFMg1ITC-1597633504415)(media/15892670653695.jpg)]


资料来源

  • 编译原理 - 国防科技大学 - MOOC

这篇关于编译原理完整学习笔记(五):属性文法和语法制导翻译的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/325240

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

hdu4407(容斥原理)

题意:给一串数字1,2,......n,两个操作:1、修改第k个数字,2、查询区间[l,r]中与n互质的数之和。 解题思路:咱一看,像线段树,但是如果用线段树做,那么每个区间一定要记录所有的素因子,这样会超内存。然后我就做不来了。后来看了题解,原来是用容斥原理来做的。还记得这道题目吗?求区间[1,r]中与p互质的数的个数,如果不会的话就先去做那题吧。现在这题是求区间[l,r]中与n互质的数的和

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学