¿Qué es un Compilador y Cómo Funciona?
Un compilador es un programa que traduce el código fuente de un lenguaje de programación a código máquina. Si no se hace esto, el ordenador no entenderá cómo ejecutar las instrucciones del desarrollador. Por eso le damos al compilador líneas de código, y él las compara con su diccionario, tiene en cuenta el contexto y emite un conjunto de ceros y unos.
¿Para qué sirve un compilador?
Simplificando, un ordenador es una caja con miles de millones de interruptores. Si mueves unos, sumas dos números; si mueves otros, grabas datos en el disco duro. Y aunque los ordenadores modernos son más complejos desde el punto de vista del hardware, el principio sigue siendo similar.
Cuando escribimos código, usamos palabras comprensibles para las personas, como print, string, import, Procedimiento y Excepción (exceptions). Su significado nos parece obvio: aquí imprimimos el resultado en pantalla, y allí declaramos una variable de cadena. Pero para un ordenador, estas palabras no significan nada.
El ordenador ve la palabra print y la percibe exactamente igual que tú percibirías palabras de cualquier idioma que desconoces. No se entiende nada, pero seguramente tienen algún significado. Por lo tanto, el ordenador, al igual que nosotros, necesita un traductor, o un compilador.
El compilador entiende lo que significa la palabra print, e incluso puede decirle al ordenador cómo procesarla correctamente. De este modo, resuelve tres tareas:
- Analiza la sintaxis de lo escrito;
- Lo analiza;
- Genera código máquina.
El compilador recibe como entrada el código fuente y devuelve un archivo ejecutable, un programa listo para funcionar.
Suena sencillo. Pero hay muchas preguntas sobre los compiladores, por ejemplo, en qué lenguajes se escriben, cómo están estructurados internamente y qué tipos existen. Hablaremos de todo esto en el artículo. Y empezaremos por cómo funcionan los compiladores.
¿Cómo funcionan los compiladores?
Una vez más: para que los ordenadores ejecuten las instrucciones de los programadores, necesitan traductores del lenguaje humano al lenguaje de máquina. Analicemos el proceso de traducción, primero en términos generales, y luego en detalle.
En resumen:
El compilador recibe como entrada un archivo con código en algún lenguaje de programación. Convierte las construcciones del lenguaje a un formato que el ordenador pueda entender y devuelve un archivo que el ordenador pueda ejecutar.
Para convertir el código fuente, el compilador utiliza su propio diccionario con definiciones; por ejemplo, el operador if se cambia a 11010011100110, y la suma a 101011. Lo hace hasta que se acaban todas las líneas del archivo. Se obtiene un archivo ejecutable que tiene este aspecto:
001011011010010101110101010101010100001100001110111100110100001010001001110…En este formato, al ordenador ya le resulta cómodo leer las instrucciones y ejecutarlas. Esto significa que el compilador ha hecho bien su trabajo.
En detalle: La compilación consta de cinco etapas: análisis léxico, análisis sintáctico, análisis semántico, optimización y generación de código. Analicemos cada etapa.
- Análisis léxico: Es algo así como el análisis de la gramática del lenguaje. Cuando escribimos código, seguimos ciertas reglas, la sintaxis. Por ejemplo, en Java, ponemos un punto y coma entre las instrucciones. Si no lo hacemos, obtendremos un error.
En la etapa de análisis léxico, el compilador comprueba si el código se ajusta a las reglas de un lenguaje de programación específico. Y por ahora no piensa en lo que está escrito, la comprobación se realiza solo según características formales.
- Análisis sintáctico: En esta etapa, el compilador divide el código en pequeños fragmentos, tokens. Cada token es una palabra o un símbolo, por ejemplo,
if,while,into(.
A partir de los tokens se construye un árbol de análisis sintáctico, que contiene palabras y símbolos, y que será útil en la siguiente etapa, el análisis semántico. Cada nodo del árbol es una operación, por ejemplo, la suma, o una variable. Normalmente, cuando llegamos a una variable, las ramas ya no se ramifican más.
Veamos cómo se ve este árbol.
Supongamos que tenemos un código simple con la suma de dos números:
x = 5 + 3Aquí hay cinco tokens: x, =, 5, + y 3. No vamos a contar los espacios en blanco. A partir de estos tokens se construye este árbol:
Normalmente, los árboles de análisis sintáctico son mucho más complejos, muchísimo más complejos.
Vemos que en la parte superior se encuentra la operación principal: asignar a la variable x el resultado de la suma de dos números. De ella parten dos ramas: la propia variable x y el símbolo de suma, que se ramifica en los números sumandos.
En el proceso de análisis sintáctico, el compilador no entiende para qué sirve cada uno de los tokens. Por ahora, realiza su trabajo mecánicamente; pensará en la siguiente etapa.
- Análisis semántico: El compilador empieza a pensar en lo que está escrito en el código, analizando el árbol de análisis sintáctico construido. Por ejemplo, si hemos declarado una variable, entiende lo que significa y qué operaciones se pueden realizar con ella.
Además, el compilador en esta etapa puede predecir qué acciones son posibles con la variable. Si ve que tenemos una variable de tipo inmutable, por ejemplo, una constante, al intentar modificar el código, dará un error.
- Optimización: Cuando se analiza la sintaxis y se entiende lo que hace el programa, es el momento de acelerar el código. El compilador busca formas de aumentar la velocidad de ejecución o reducir la cantidad de memoria que ocupa.
El ejemplo más simple de optimización es la multiplicación por cero. Por ejemplo, tenemos un fragmento de código:
int x = sin(126) * cos(54) + tan(78);
int y = x * 0;Para determinar el valor de la variable y, primero hay que calcular una fórmula compleja para la variable x. Pero nosotros, los humanos, vemos inmediatamente que al multiplicar por cero, el resultado será cero, por lo que no tiene sentido calcular la variable x. El compilador también ve estas cosas y no calculará lo que no es necesario calcular. Simplemente reemplazará estas dos líneas de código por una:
int y = 0;¿Cómodo, verdad? Pero esto solo funcionará si la variable x no nos es útil en el programa más adelante.
Esto es posible debido a las peculiaridades del funcionamiento del compilador: no ejecuta el código, sino que primero lo lee y busca formas de optimizar el programa.
- Generación de código: La sintaxis está analizada, el análisis está realizado, el código está optimizado: es hora de traducirlo al lenguaje del ordenador. En esta etapa, todas las instrucciones que hemos escrito en el lenguaje de programación se traducen a instrucciones de máquina.
Tras la traducción, obtenemos un archivo ejecutable, por ejemplo, en formato .exe, que podemos ejecutar y comprobar el funcionamiento del programa. Aquí termina la compilación.
¿En qué lenguajes se escriben los compiladores?
Espera, si el compilador traduce el código fuente a código máquina, y él mismo es un programa, ¿en qué lenguaje está escrito entonces? Parece un círculo vicioso.
En realidad, no es tan complicado. Los compiladores se pueden escribir en cualquier lenguaje, ya sea Python o ensamblador. Pero hay un matiz.
El primer compilador se escribió en lenguaje ensamblador, porque los programadores necesitaban simplificarse el trabajo con el código máquina. Funcionan así:
- El desarrollador escribe el código en ensamblador;
- El compilador lo traduce a instrucciones de máquina;
- El ordenador ejecuta estas instrucciones.
Resulta que el compilador en ensamblador es otro programa en el mismo lenguaje que sabe traducir el código. Por ejemplo, sustituye la instrucción jmp por la cadena 001110111, que pone en marcha los engranajes necesarios dentro del procesador.
Después aparecieron lenguajes de nivel superior, como C. El compilador para C está escrito en el mismo ensamblador. Funciona de forma similar:
- El desarrollador escribe un programa en C;
- El compilador traduce las instrucciones del lenguaje de programación C a instrucciones de máquina;
- El ordenador ejecuta estas instrucciones.
Luego, hacia arriba en el nivel de los lenguajes de programación. El compilador para C++ está escrito en C, y para JavaScript en C++. Pero si bajamos por la cadena, tarde o temprano llegaremos al ensamblador.
Ventajas y desventajas de los lenguajes compilados
Ventajas:
- Velocidad de ejecución: El compilador traduce el código fuente a código máquina solo una vez. Y luego, todo está optimizado y listo para ejecutarse. Por lo tanto, estos programas funcionan más rápido, ya que el ordenador no tiene que perder tiempo en su traducción repetida.
- Uso eficiente de los recursos: Una de las etapas de la compilación es la optimización del código. Y dado que los compiladores los escriben los creadores del lenguaje o desarrolladores experimentados, el rendimiento de estos programas será alto.
- Código fuente oculto: Esta es una ventaja no obvia, pero es una verdadera ventaja. Una vez que el programa se ha compilado, su código fuente es difícil de entender. Esto ayuda a evitar intrusiones y a proteger los datos.
Desventajas:
- Compilación larga: El proceso de compilación puede llevar mucho tiempo. Para proyectos pequeños no es tan grave, pero cuando la cantidad de líneas de código de un proyecto supera el millón, no se quiere ejecutar la compilación una y otra vez.
- Dificultad para corregir errores: Normalmente, los errores durante la compilación parecen aterradores debido a la confusa descripción del problema. Simplemente, intenta no poner un punto y coma en un archivo C++ y asegúrate de que no has visto nada peor.
- Dependencia de la plataforma: Si compilas un programa para Windows, no se podrá ejecutar en macOS. Por lo tanto, tendrás que utilizar otro compilador y empezar el proceso de nuevo, o utilizar compiladores cruzados.
fuente: