Lenguaje libre del Contexto

La mayoría lenguajes de programación, son lenguajes libres de contexto y están

definidos por medio de gramáticas libres de contexto. Contexto se refiere al entorno
en que se encuentra, como influye el entorno en el significado de cada parte.

Puede ser reconocido por autómatas de pila.

Está definido dentro de la jerarquía de Chomsky en el Tipo 2.

Es una gramática formal en la que cada regla de producción es de la forma:

N→w

Donde N es un símbolo no terminal y w es una cadena de terminales y/o no

terminales. El término libre de contexto se refiere al hecho de que el no terminal N
puede siempre ser sustituido por w sin tener en cuenta el contexto en el que ocurra.
Un lenguaje formal es libre de contexto si hay una gramática libre de contexto que
lo genera.

Definición de la Gramática

Es una cuádrupla G = (N,T,P,S) donde:

N es un alfabeto de símbolos no terminales (variables).
T es un alfabeto de símbolos terminales (constantes).
Pueden ser cadenas de lenguaje.
Es una gramática formal en la que cada regla de producción es de la forma:
N→w
Donde N es un símbolo no terminal y w es una cadena de terminales y/o no
terminales. El término libre de contexto se refiere al hecho de que el no terminal N
puede siempre ser sustituido por w sin tener en cuenta el contexto en el que ocurra.
Un lenguaje formal es libre de contexto si hay una gramática libre de contexto que
lo genera.
Definición de la Gramática
Es una cuádrupla G = (N,T,P,S) donde:
N es un alfabeto de símbolos no terminales (variables).
T es un alfabeto de símbolos terminales (constantes).
Pueden ser cadenas de lenguaje.
S Є N es el símbolo inicial o axioma de la gramática.
P es el conjunto de reglas de producción, P ⊆ N × (T U N)*

Producción
Donde cualquier símbolo No Terminal del lado derecho de la producción puede ser
remplazado por cualquier definición de ese mismo terminal del lado derecho.
Ejemplo: S → E
E→E+E
E → num

Ejemplo

Un ejemplo de una Gramática Libre del contexto que reconoce operaciones de suma
y multiplicación con números enteros, como {5, 52+3, (1+3)*4}

• Donde E es una expresión Numérica

• Num es un número
• Digito es cualquier entero de 0 a 9

Arboles de derivación

Un árbol de derivación permite mostrar gráficamente cómo se puede derivar

cualquier cadena de un lenguaje a partir del símbolo distinguido de una gramática
que genera ese lenguaje.

Un árbol es un conjunto de puntos, llamados nodos, unidos por líneas, llamadas

arcos. Un arco conecta dos nodos distintos. Para ser un árbol un conjunto de nodos
y arcos debe satisfacer ciertas propiedades:

Hay un único nodo distinguido, llamado raíz (se dibuja en la parte superior) que no
tiene arcos incidentes.
Todo nodo c excepto el nodo raíz está conectado con un arco a otro nodo k, llamado
el padre de c (c es el hijo de k). El padre de un nodo, se dibuja por encima del nodo.
Todos los nodos están conectados al nodo raíz mediante un único camino.
Los nodos que no tienen hijos se denominan hojas, el resto de los nodos se
denominan nodos interiores.
Propiedades de un árbol de derivación.

Sea G = (N,T,S,P) una gramática libre de contexto, sea A Є N una variable. Diremos
que un árbol TA = (N,E) etiquetado es un árbol de derivación asociado a G si verifica
las propiedades siguientes:

La raíz del árbol es un símbolo no terminal

cada hoja corresponde a un símbolo terminal o λ.
cada nodo interior corresponde a un símbolo no terminal.

Para cada cadena del lenguaje generado por una gramática es posible construir (al
menos) un árbol de derivación, en el cual cada hoja tiene como rótulo uno de los
símbolos de la cadena.

Para cada cadena del lenguaje generado por una gramática es posible construir (al
menos) un árbol de derivación, en el cual cada hoja tiene como rótulo uno de los
símbolos de la cadena.

Si un nodo está etiquetado con una variable X y sus descendientes (leídos de

izquierda a derecha) en el árbol son X1,…,Xk , entonces hay una producción X →
X1…Xk en G.
Sea G=(N,T,S,P) una GLC. Un árbol es un árbol de derivación para G si:

T U N U {λ}

1. Todo vértice tiene una etiqueta tomada de

2. La etiqueta de la raíz es el símbolo inicial S
3. Los vértices interiores tienen etiquetas de N
4. Si un nodo n tiene etiqueta A y n1n2...nk respectivamente son hijos del vértice n,
ordenados de izquierda a derecha, con etiquetas x1,x2..xk respectivamente,
entonces: A→ x1x2...xk debe ser una producción en P
5. Si el vértice n tiene etiqueta λ, entonces n es una hoja y es el único hijo de su
padre.
Ejemplo

Sea G=(N,T,S,P) una GLC con P: S→ ab|aSb

La derivación de la cadena aaabbb será:

y el árbol de derivación:

Relación entre derivaciones y árboles

Si leemos las etiquetas de las hojas de izquierda a derecha tenemos una sentencia.
Llamamos a esta cadena la producción del árbol de derivación.

Teorema. Sea G=(N,T,S,P) una GLC. Entonces (de S se deriva α) si y sólo

si hay un árbol de derivación en la gramática G con la producción α.

Si w es una cadena de L(G) para la gramática libre de contexto G, entonces w tiene

al menos un árbol de derivación. Referido a un árbol de derivación particular,w
tendrá una única derivación a la izquierda y otra única a la derecha.

Ejemplo
Derivación a la izquierda:
Derivación a la derecha:

Forma Normal de Chomsky

MYMY Gramática ambigua.

Una sentencia w se denomina ambigua si puede obtenerse por más de un árbol de
derivación (o equivalentemente, más de una derivación más a la izquierda o más a
la derecha).

Una gramática G se denomina ambigua si el lenguaje que genera contiene alguna

sentencia ambigua.

Lenguaje inherentemente ambiguo

Un lenguaje se denomina inherentemente ambiguo si no existe una gramática no

ambigua que lo genere.

Una GLC se dice que está en Forma Normal de Chomsky (FNC) si todas sus
producciones son de la forma:

Excepcionalmente se permite la producción

La idea de la transformación de una gramática limpia a FNC se ejecuta en dos
pasos:
Hacer que en la parte derecha de las producciones de longitud mayor o igual que
dos sólo haya terminales.
Trocear estas producciones para que tengan longitud dos.

Algoritmo FNC:
Para cada producción de la forma
(a)Para cada αi, si αi es terminal
- Se añade la producción Ca → a
- Se cambia αi por Ca en A → α1..αn
2. Para cada producción de la forma A → B1...Bm, m ≥ 3

(a) Se añaden (m-2) no terminales D1, D2, ..., Dm-2 (distintos para cada producción)

(b) La producción A → B1...Bm se reemplaza por A → B1D1, D1 → B2D2, ... Dm-2

→ Bm-1Bm

FORMA NORMALES DE CHOMSKY

Las gramáticas se pueden expresar de diferentes formas, en ocasiones podemos
llegar al mismo resultado utilizando gramáticas que difieren en su estructura, una
norma para estandarizar la gramática es la Forma Normal de Chomsky.
A continuación el teorema 2.4

Si L es un lenguaje independiente del contexto que no contiene la cadena vacía,

entonces existe una gramática G independiente del contexto tal que L(G)=L y el lado
derecho de cualquier regla de reescritura en G consiste en un solo terminal o
exactamente dos no terminales.

Se dice que una gramática cuyas reglas de reescritura se adhieren a las

restricciones del teorema 2.4 tiene la FORMA NORMAL DE CHOMSKY (FNC o
CNF), llamada así en honor a Noam Chomsky. Por ejemplo la siguiente gramática
cuyo símbolo inicial es S tiene la forma normal de Chomsky.

S XM
M SY
Xx
Yy
Mientras que la siguiente gramática que genera el mismo lenguaje no la tiene

S xSy
S xy
Para obtener la forma normal de Chomsky

ejemplo: Considere la siguiente gramática

S zMz
MN
M yMy
Nx
S zMz zyMyz zyNyz zyxyz .

Paso 1
Introducir los nuevos no terminales YZ y convertir la gramática anterior en la
siguiente:
S ZMZ
MN

Zz
Yy
Nx

Paso 2
Lo siguiente es reemplazar la regla S ZMZ por el par de reglas S ZR; R MZ, mientras
que M YMY se reemplaza por M YP; P MY para obtener la siguiente gramática:
S ZR
R MZ
MN
M YP
P MY
Zz
Yy
Nx

Paso 3
Finalmente la regla M N se reemplaza por la regla M x, produciendo así la siguiente
gramática ya que tiene la forma normal de Chomsky.
S ZR
R MZ
Mx
M YP
P MY
Zz
Yy
Nx
S ZR zMZ zYPZ zyPZ zyMYZ zyxYZ zyxyZ zyxyz

Ambigüedad Transitoria:

Este tipo de ambigüedad puede llegar a ser eliminada realizando una serie de
transformaciones sobre la gramática original. Una vez que se logra lo anterior, la
gramática queda lista para ser reconocida por la mayor parte de los analizadores
sintácticos. (Se le considera "ambigüedad" porque existen métodos para realizar
análisis sintáctico que no aceptan gramáticas con estas características)

Dónde se presenta la Ambigüedad Transitoria generalmente la ambigüedad se

presenta cuando existen producciones con factores comunes (distintas alternativas
para un símbolo no-terminal que inician de la misma forma); ó cuando existen
producciones que son recursivas izquierdas (producciones para un símbolo no-
terminal en las cuales el primer símbolo de su forma sentencial es ese mismo
símbolo no-terminal).

¿Cómo solucionar el problema de la Ambigüedad Transitoria?

Para eliminar este tipo de ambigüedad, es necesario, primero eliminar:

- Factores comunes izquierdos inmediatos y No-inmediatos.
- Recursividad izquierda inmediata y No-inmediata.

ELIMINACIÓN DE LA AMBIGÜEDAD.

– No existe un algoritmo que nos indique si una GIC es ambigua

– Existen LIC que sólo tienen GIC ambiguas: inherentemente ambiguos
– Para las construcciones de los lenguajes de programación comunes existen
técnicas para la eliminación de la ambigüedad
– Ejemplo: causas de ambigüedad en la siguiente gramática
• No se respeta la precedencia de operadores
• una secuencia de operadores idénticos puede agruparse desde la izquierda y
desde la derecha. Lo convencional es agrupar desde la izquierda.

Generación de matriz predictiva (cálculo first y follow)

FIRST: Si α es cualquier cadena de símbolos gramaticales, se considera FIRST (α)
como el conjunto de terminales que encabezan las cadenas derivadas de α. Si α =
* => λ, entonces λ también está en FIRST (α). Para calcular FIRST(X) para algún
símbolo X de la gramática, se aplican las siguientes reglas hasta que no se pueda
añadir nada nuevo al conjunto

FIRST: Sea G:= (V; ∑; Q0; P) una gramática libre de contexto. Para cada forma
sentencial α Є (V U ∑)* y para cada k Є N definiremos la función.

En otras palabras, el operador FIRST k asocia a cada forma sentencial los primeros
k símbolos de cualquier forma terminal alcanzable desde α mediante derivaciones
“masa a izquierda".

1. Si X es terminal, entonces FIRST(X) es {X}.

2. Si X es no terminal y existe la producción X → λ, entonces añadir λ a FIRST(X).
3. Si X es no terminal y X → Y1 Y2... . Yk

Es una producción entonces, para todo i (con i variando desde 1 hasta k) tal que Y1
, Y2 , ..., Yi-1 sean todos no terminales y FIRST(Y1), FIRST(Y2), ..., FIRST(Yi-1)
contengan todos λ, se añaden todos los símbolos no nulos de FIRST(Yi ) a
FIRST(X). Finalmente, si λ está en FIRST (Yj) para j = 1, 2, ..., k (o sea, en todos),
entonces se añade λ a FIRST(X). Dicho de otra forma, lo anterior significa que todos
los elementos de FIRST (Y1), excepto λ, pertenecen también a FIRST(X). Si Y1 no
deriva λ, entonces ya ha terminado el cálculo de FIRST(X), pero en caso contrario,
es decir, si Y1= * => λ, entonces todos los elementos de FIRST (Y2) excepto λ
pertenecen también a FIRST(X), y así sucesivamente. Finalmente, si todos los Yi
derivan λ, entonces λ se añade a FIRST(X).
FOLLOW: Se define FOLLOW(A), para él no terminal A, como el conjunto de
terminales a que pueden aparecer inmediatamente a la derecha de A en alguna
forma sentencia, es decir, el conjunto de terminales a tal que haya una derivación
de la forma S= * =>αAaβ para algún α y β. Si A puede ser el símbolo de más a la
derecha en alguna forma sentencia, entonces $ está en FOLLOW(A).

Para calcular FOLLOW(A) para un símbolo no terminal A, se aplican las siguientes

reglas hasta que no se pueda añadir nada más al conjunto FOLLOW.
1. $ está en FOLLOW(S), siendo S el axioma de G.

2. Si existe una producción A → αBβ, entonces todo lo que esté en FIRST (β),
excepto λ, está en FOLLOW (B).

3. Si existe la producción A → αBβ y FIRST (β) contiene λ (es decir, β= * =>λ), o

bien si existe una producción A → αB, entonces todo lo que esté en FOLLOW(A)
está en FOLLOW (B).

Con las mismas notaciones anteriores, para cada forma sentencia α Є (V U

∑)* definiremos la función FOLLOWG GK (α) del modo siguiente.
De nuevo nos ocuparemos solamente de FOLLOW: = FOLLOW1. Obsérvese que
FOLLOW k (α) ⊂ ∑* y que para cada x Є FOLLOW (α), Ixl ≤ k. Obsérvese que para
cada variable A Є V, FOLLOW(A) son todos los símbolos terminales que pueden
aparecer a la derecha de A en alguna forma sentencia de la gramática.

ANÁLISIS SINTÁCTICO DESCENDENTE

En éste analizador las entradas son de izquierda a derecha, y construcciones de derivaciones por la
izquierda de una sentencia o enunciado.

CARÁCTERISTICAS
El análisis sintáctico descendente (ASD) intenta encontrar entre las producciones de la gramática la
derivación por la izquierda del símbolo

 inicial para una cadena de entrada.

 Parte del axioma de la gramática.
 Procesa la entrada de izquierda a derecha.
 Escoge reglas gramaticales.

ELIMINAR AMBIGUEDAD: Para eliminar la ambigüedad se debe reescribir la gramática.

ELIMINAR RECURSIVIDAD POR LA IZQUIERDA: Una gramática es recursiva por la izquierda si

tiene un nodo Terminal a tal que existe una derivación A->Aα para alguna cadena. Es decir por
simple observación podemos identificar.
Para eliminar la recursividad por la izquierda se utiliza la siguiente formula.

Factorizar: Se trata de rescribir las producciones de la gramática con igual comienzo para retrasar la
decisión hasta haber visto lo suficiente de la entrada como para elegir la opción correcta.

EJEMPLO
Análisis Sintáctico Descendente Con Retroceso.

El método parte del axioma inicial y aplica todas las posibles reglas al no terminal más a la izquierda.
 Se usa el retroceso para resolver la incertidumbre.
 Sencillo de implementar.
 Muy eficiente.

Análisis Sintáctico Descendente Predictivo (Asdp)

El analizador debe realizar la previsión de la regla a aplicar sólo con ver el primer símbolo que
produce para que el algoritmo tenga una complejidad lineal.
Las gramáticas que son susceptibles de ser analizadas sintácticamente de forma descendente
mediante un análisis predictivo y consultando un únicamente un símbolo de entrada pertenecen al
grupo LL (1).
A partir de gramáticas LL (1) se pueden construir analizadores sintácticos descendentes predictivos
(ASDP), que son ASD sin retroceso.

ANÁLISIS SINTÁCTICO ASCENDENTE

El objetivo de un análisis ascendente consiste en construir el árbol sintáctico desde abajo hacia
arriba, esto es, desde los tokens hacia el axioma inicial, lo cual disminuye el número de reglas mal
aplicadas con respecto al caso descendente (si hablamos del caso con retroceso) o amplía el número
de gramáticas susceptibles de ser analizadas (si hablamos del caso LL (1)).

Tipos
Análisis ascendente con retroceso

Al igual que ocurría con el caso descendente, este tipo de análisis intenta probar todas las posibles
operaciones (reducciones y desplazamientos) mediante un método de fuerza bruta, hasta llegar al
árbol sintáctico, o bien agotar todas las opciones, en cuyo caso la cadena se rechaza.
En el análisis con retroceso no se permiten las reglas ԑ, puesto que estas se podrán aplicar de forma
indefinida.

Análisis Ascendente sin Retroceso

 El análisis ascendente sin retroceso busca una derivación derecha de la cadena de entrada de
forma determinista
 La L viene de la lectura de la cadena de entrada de izquierda a derecha.
 La R de producir un árbol de derivación derecho.
 La k indica el número de símbolos que es necesario leer a la entrada para tomar la decisión de
qué producción emplear.
 Un parser del tipo shift-reduce puede verse como un autómata de pila determinista extendido que
realiza el análisis de abajo hacia arriba.
 Dada una cadena de entrada w, simula una derivación más a la derecha.

¿Cuál es su diferencia?
 En el análisis sintáctico descendente: se construye el árbol sintáctico arriba hacia abajo y se utiliza
más reglas.
 En el análisis sintáctico ascendente: se construye el árbol sintáctico de abajo hacia arriba, lo cual
disminuye el número de reglas mal aplicadas con respecto al caso descendente.

Otros
• Analizador sintáctico descendente recursivo
• Chart parser
• Left corner parser
• Analizador sintáctico LR
• Analizador sintáctico LL

Manejo de errores sintácticos

Si un compilador tuviera que procesar sólo programas correctos, su diseño e
implementación se simplificarían mucho. Las primeras versiones de los programas
suelen ser incorrectas, y un buen compilador debería ayudar al programador a
identificar y localizar errores. Es más, considerar desde el principio el manejo de
errores puede simplificar la estructura de un compilador y mejorar su respuesta a
los errores.

Los errores en la programación pueden ser de los siguientes tipos:

 Léxicos: producidos al escribir mal un identificador, una palabra clave o un

operador.
 Sintácticos: por una expresión aritmética o paréntesis no equilibrados.
 Semánticos: como un operador aplicado a un operando incompatible. • Lógicos,
puede ser una llamada infinitamente recursiva.
 De corrección: cuando el programa no hace lo que el programador realmente
deseaba.

Errores de corrección no pueden ser detectados por un compilador, ya que en ellos

interviene el concepto abstracto que el programador tiene sobre el programa que
construye, lo cual es desconocido, y probablemente incognoscible, por el
compilador. La detección de errores lógicos implica un esfuerzo computacional muy
grande en tanto que el compilador debe ser capaz de averiguar los distintos flujos
que puede seguir un programa en ejecución lo cual, en muchos casos, no sólo es
costoso, sino también imposible. Los compiladores actuales se centran en el
reconocimiento de los tres primeros tipos de errores. Los errores de sintaxis, que
son los que pueden impedir la correcta construcción de un árbol sintáctico.

El manejo de errores de sintaxis es el más complicado desde el punto de vista de la

creación de compiladores. Nos interesa que cuando el compilador encuentre un
error, no cancele definitivamente la compilación, sino que se recupere y siga
buscando errores. Recuperar un error no quiere decir corregirlo, sino ser capaz de
seguir construyendo el árbol sintáctico a pesar de los errores encontrados. El
manejador de errores de un analizador sintáctico debe tener como objetivos:

Indicar los errores de forma clara y precisa. Debe informar mediante los
correspondientes mensajes del tipo de error y su localización
Recuperarse del error, para poder seguir examinando la entrada
Distinguir entre errores y advertencias. Las advertencias se suelen utilizar para
informar sobre sentencias válidas pero que, por ser poco frecuentes, pueden
constituir una fuente de errores lógicos
No ralentizar significativamente la compilación.

Un buen compilador debe conocer los errores que se pueden producir, con lo que
se consigue simplificar su estructura. Si el propio compilador está preparado para
admitir incluso los errores más frecuentes, entonces se puede mejorar la respuesta
ante esos errores incluso corrigiéndolos.

Generadores de analizadores sintácticos ****YACC****

Yacc convierte una gramática independiente del contexto y el código traducido en
un conjunto de tablas para un LR (1) analizador y traductor. La gramática puede ser
ambigua; reglas de prioridad especificados se utilizan para romper las
ambigüedades.
El archivo de salida, y.tab.c, debe ser compilado por el compilador C para producir
un programa de yyparse. Este programa debe ser cargado con una función del
Analizador Léxico, yylex (void) (a menudo generada por la lex (1)), con un main (int
argc, char * argv []) del programa, y con la rutina de manejo de errores, yyerror (char
*).

Transiciones de estado.

-V.- Crear y.output archivo, que contiene una descripción de las tablas de análisis
sintáctico y de los conflictos que surgen de las ambigüedades de la gramática.
-D.- Crea y.tab.h archivo, que contiene declaraciones #define que asocian yacc-
asignado códigos simbólicos `` 'con nombres de token-declarada por el usuario'.
Incluirlo en los archivos de base distintos de y.tab.c para dar acceso a los códigos
simbólicos.
-s stem .- y cambiar el prefijo de la y.tab.c nombres de archivo, y.tab.h, y.debug, y
y.output para frenar.
-S.- Escribir un analizador que utiliza Stdio en lugar de las rutinas de impresión en
libc.

La especificación de yacc en sí es esencialmente el mismo que la versión UNIX se

describe en las referencias mencionadas. Además de la opción -D, las principales
diferencias relevantes son:

La interfaz con el medio ambiente C es de forma predeterminada a través <libc h>

en lugar de <stdio.h>; la opción -S invierte este.

El analizador acepta entrada de texto UTF (ver utf (6)), que tiene un par de efectos.
En primer lugar, el valor de retorno de yylex () ya no cabe en un corto; segundo, el
valor de partida para no terminales es ahora 0xe000 en lugar de 257.
El analizador generado puede ser recursiva: acciones pueden llamar a yyparse, por
ejemplo, para poner en práctica una especie de instrucción # include en un
intérprete.

YACC

Tipo de analizador: Ascendente, LALR(1).

Código generado: C, C++.
Características adicionales:

• Se puede integrar con Lex dejando a éste el análisis léxico.

• La precedencia se puede definir al margen de la gramática, manteniendo ésta
más simple.
• Conjuntamente con Memphis se puede construir un árbol sintáctico como salida
del analizador.