Computabilidade e Linguagens Formais Gramáticas e linguagens sem contexto Gabriel David / Cristina Ribeiro 1 Gramáticas sem contexto Notação que define linguagens mais gerais que linguagens regulares – – Compiladores (desde 1960’s) DTDs em XML Exemplo: palindroma – – – w=wR adamada (“capicua”) 0110, 11011, Não é regular CFL (CFG, PDA) LR (ER, DFA, NFA, NFA) Lema da bombagem Para ser regular existe autómato com n estados Escolhido n, seja w=0n10n=xyz Fazendo y igual a um ou mais zeros da 1ª parte de w, xz também é reconhecida pelo autómato mas, como x tem menos 0’s que z, não é um palindroma e contradiz a hipótese de ser o autómato da linguagem Gramáticas-2 Exemplo do palindroma Definição recursiva – – Notação alternativa: produções – – – – – – Base: 0, 1 e são palindromas Indução: se w é um palindroma, 0w0 e 1w1 também o são; nada mais é um palindroma (para P, variável que representa a linguagem dos palindromas) 1. P 2. P 0 3. P 1 4. P 0P0 5. P 1P1 1,2,3 constituem a base; 4,5 são recursivas – Interpretação da regra 4: Se w está em P então 0w0 também está Gramáticas-3 Definição de CFG CFG G=(V, T, P, S) – – – – T são os terminais, símbolos usados nas cadeias da linguagem V são as variáveis (de linguagem), os não terminais ou categorias sintáticas S é o símbolo de arranque, a variável da linguagem definida (as outras são linguagens auxiliares) P é um conjunto finito de produções ou regras da forma – H B1B2…Bn definição parcial de H, a cabeça, sendo B1B2…Bn, o corpo, uma sequência de terminais e não terminais As cadeias da linguagem são as que se obtém substituindo os não terminais Bi por cadeias que se saiba pertencerem à linguagem Bi Exemplo: G = ({P}, {0,1}, A, P) Gramáticas-4 Exemplo das expressões Representar as expressões aritméticas com +, ×, parênteses e identificadores – – – Alfabeto identificadores: ‘a’, ‘b’, ‘0’, ‘1’ Outros terminais: ‘(‘, ‘)’, ‘+’, ‘×’ Identificadores: começa com letra seguida por um número qualquer de letras e dígitos ER: (a+b)(a+b+0+1)* Usa-se uma variável E para as expressões e outra I para os identificadores – – – – – – 1. 2. 3. 4. EI E E+E E E×E E (E) 5. I a 6. I b 7. I Ia 8. I Ib 9. I I0 10. I I1 Produções mais compactas E I | E+E | E×E | (E) I a | b | Ia | Ib | I0 | I1 Gramáticas-5 Inferência Inferência recursiva Da base para cima; dos corpos para as cabeças das regras Começa-se com as conhecidas e aplicam-se as regras para descobrir novas; acaba-se por chegar a todas, numa pesquisa em largura – – Cadeia Linguagem Produção usada Cadeias usadas i a I 5 ii b I 6 iii b0 I 9 ii iv b00 I 9 iii v a E 1 i vi b00 E 1 iv vii a+b00 E 2 v, vi viii (a+b00) E 4 vii ix E 3 v, viii a×(a+b00) Gramáticas-6 Derivação Derivação – – Passo de derivação: – – – Do topo para baixo; das cabeças para os corpos das regras Começa-se com o objectivo, a linguagem alvo e aplicam-se as regras, substituindo variáveis pelos respectivos corpos, até só haver uma cadeia de terminais; chega a todas, pesquisa em profundidade CFG G=(V,T,P,S) α, β (V T)* A V Aγ P αAβ G αγβ * significa derivação em 0 ou mais passos E E×E I×E a×E a×(E) a×(E+E) a×(I+E) a×(a+E) a×(a+I) a×(a+I0) a×(a+I00) a×(a+b00) Gramáticas-7 Derivação No exemplo anterior, escolheu-se em cada passo a variável mais à esquerda * – Derivação mais à esquerda lm – Derivação mais à direita Exemplo: * rm E E E E (E) E (E E) rm rm rm rm E ( E I ) E ( E I 0) E ( E I 00) E ( E b00) rm rm rm rm rm E ( I b00) E (a b00) I (a b00) a (a b00) rm rm rm * E a (a b00) rm Gramáticas-8 Linguagem de uma gramática A linguagem da CFG G=(V,T,P,S) é o conjunto de cadeias terminais que têm derivações a partir do símbolo inicial S * L(G) {w T * | S w} G Teorema: L(Gpal) é o conjunto dos palindromas sobre {0,1} – – Prova: w {0,1}* está em L(Gpal) se e só se w é palindroma w=wR [se] hipótese: w é palindroma; indução em |w| Base: |w|=0 ou |w|=1, isto é, w=, w=0, w=1 * como existem as produções P, P0, P1 então P w Indução: supondo |w|2, como w=wR, w tem que começar e acabar com* o mesmo símbolo, w=0x0 ou w=1x1.Além disso, x=xR. Por hipótese, P x * Então P 0P0 0 x0 w e para 1x1 é semelhante. w está em L(G pal). Gramáticas-9 Continuação da prova – * [só se] hipótese: w está em Gpal, P w indução no número de passos de uma derivação de w a partir de P Base: derivação só com 1 passo: usar regras não recursivas. Obtém-se , 0, 1 que são todos palindromas Indução: supõe-se que a derivação tem n+1 passos e que a afirmação é * verdadeira para todas as derivações com n passos, P x em n passos então x é um palindroma x=xR Uma derivação com n+1 passos só pode ser * * ou P 1P1 1x1 w P 0 P0 0 x 0 w Como wR=(0x0)R=0xR0=0x0=w então w é um palindroma Se as produções envolverem vários símbolos de linguagem, temos indução mútua, com várias afirmações em simultâneo Gramáticas-10 Formas frásicas Formas frásicas são derivações a partir do símbolo inicial – – * S G Forma frásica esquerda (direita) – CFG G=(V,T,P,S) (V T)* é forma frásica se Derivação mais à esquerda (direita) L(G) é constituída pelas formas frásicas que pertencem a T*, só têm terminais Gramáticas-11 Árvores de análise Estrutura de dados mais usada para representar um programa fonte num compilador – Facilita a escrita de funções recursivas para a geração de código Seja G=(V,T,P,S); uma árvore de análise para G é uma árvore que – – – A etiqueta de cada nó interior é uma variável A etiqueta de cada folha é uma variável, um terminal ou (neste caso, filho único) Se um nó interior tiver etiqueta A e os seus filhos etiquetas X1… Xk então A X1…Xk é uma produção em P Gramáticas-12 Exemplos de árvores de análise Uma árvore de análise representa uma derivação Derivação P 0110 A derivação pode ser parcial P Derivação E I E * * 0 P E 0 E 1 P + E 1 I Cada nó interior da árvore corresponde a uma produção Gramáticas-13 Colheita de uma árvore de análise Colheita de uma árvore de análise é a cadeia obtida pela concatenação de todas as folhas, lidas da esquerda para a direita Todas as colheitas das árvores cuja raiz é o símbolo inicial de G são formas frásicas de G As colheitas destas árvores que são terminais (folhas só com terminais e ) são cadeias da linguagem Gramáticas-14 Uma árvore de análise de a×(a+b00) E E × E I ( E ) a E + E I I a I 0 I 0 b Gramáticas-15 Equivalências Dada uma gramática G=(V,T,P,S) são equivalentes: – O processo de inferência recursiva determina que a cadeia terminal w está na linguagem da variável A * – – A w * A w lm – * A w rm – Existe uma árvore de análise com raiz A e colheita w As equivalências são verdadeiras mesmo que w contenha variáveis (não está definido para a inferência recursiva) Gramáticas-16 Analisadores (parsers) Gramáticas formais propostas por Noam Chomsky – – Linguagem de programação – – Descrever linguagens naturais – resultados limitados Muito úteis para descrever linguagens “artificiais” Alguns aspectos podem ser definidos por expressões regulares Mas o emparelhamento de parêntesis e de estruturas if-else não são regulares – exigem CFG Existem programas (YACC, Bison, …) que, a partir de uma CFG de uma dada linguagem L, geram automaticamente um programa capaz de construir uma árvore de análise para programas escritos em L – Dispensa o programador de fazer esse programa, habitualmente incluído nos tradutores (compiladores, interpretadores) Gramáticas-17 Uso das CFG programa em L CFG de L parse r YAC C E E + E I Gramáticas-18 As RE não chegam Exemplo dos parênteses: – – – Se, dado um programa, se abstrair de tudo o que não são parênteses, fica-se com cadeias do tipo (()())(). Nunca se obtém, por exemplo, (() ou ())(, porque os parênteses devem estar emparelhados. a) Mostrar que a linguagem destas cadeias não é regular b) Definir uma CFG para a linguagem Resposta: – – a) a linguagem implícita na cadeia w= (((…()…))) de comprimento 2n é homomórfica da definida por 0n1n que já vimos ser não regular b) B BB | (B) | BB: a concatenação de duas cadeias emparelhadas é emparelhada (B): parênteses em volta de uma cadeia emparelhada mantém o carácter é o caso base Gramáticas-19 Escolha Exemplo do if-else: – – – Numa linguagem de programação, a construção if pode aparecer isolada ou então emparelhada com else, à semelhança dos parênteses; é recursiva. Exemplos: i, ie, ieie, iiee. Não: ei, iee a) defina uma CFG para essa linguagem b) apresente todas as árvores de análise de iie; qual a correcta, em C? Resposta: – – else liga-se ao if mais próximo a) S | SS | iS | iSeS b) (i)(ie) (i(ie)) S S S i S S i S e S i (i(i)e) S i S e S S i S e S i S Gramáticas-20 Linguagens de anotação: HTML As cadeias nestas linguagens são documentos com marcas para estruturar o texto e controlar a sua apresentação <P>A avaliação de <B>CLF</B> inclui: <OL><LI>Miniteste <LI>Exame <LI>Exercícios </OL> Char a | A | … Elemento Texto | Texto | Char Texto <P> Doc | Doc | Elemento Doc <B> Doc </B> | <OL> Lista </OL> Lista | ItemLista Lista ItemLista <LI> Doc Gramáticas-21 XML Alguns aspectos do HTML não exigem o poder das CFG – – Em HTML, a gramática está predefinida – A 1ª e 2ª linhas dizem que Texto se exprime pela RL (a+A+…)* Os elementos <B> e <OL>, são como parênteses, exigem CFG Os navegadores incluem um parser de HTML para analisar os documentos de entrada, produzir uma árvore e mostrar o resultado Em XML, dá-se aos utilizadores a capacidade de definirem a própria gramática, num DTD (Document Type Definition) – – Os documentos explicitam o DTD que especifica a sua estrutura Os navegadores têm que incluir a capacidade de processar a gramática para poderem validar os respectivos documentos Gramáticas-22 Navegador HTML documento HTML navegador Parser HTML Doc P OL Texto B Gramáticas-23 Navegador XML documento tipo Curso navegador DTD Curso Gera parse r Parse r Curs o Curso Cadeira Cadeira Cnome … Gramáticas-24 Sintaxe dos DTDs <!DOCTYPE nome-do-DTD [ lista de definições de elementos ]> <!ELEMENT nome-do-elemento (descrição)> Descrição é uma expressão regular – – Base: outros elementos ou #PCDATA (texto sem marcas) Operadores: – “|” reunião “,” concatenação “*” fecho, zero ou mais “+” fecho, um ou mais “?” fecho, zero ou um Podem usar-se parênteses Gramáticas-25 DTD Curso <!DOCTYPE CURSO [ <!ELEMENT CURSO (GRAU, CADEIRA+)> <!ELEMENT CADEIRA (CNOME, PROF, ALUNO*, ASSISTENTE?)> <!ELEMENT GRAU (L | M | D)> <!ELEMENT CNOME (#PCDATA)> <!ELEMENT PROF (#PCDATA)> <!ELEMENT ALUNO (#PCDATA)> <!ELEMENT ASSISTENTE (#PCDATA)> ]> Gramáticas-26 Documentos XML <CURSO> <GRAU>L</GRAU> <CADEIRA> <CNOME>Lógica</CNOME> <PROF>Francisco</PROF> </CADEIRA> </CURSO> <CURSO> <GRAU>M</GRAU> <CADEIRA> <CNOME>Matemática</CNOME> <PROF>Francisco</PROF> <ALUNO>Zé</ALUNO> <ALUNO>Rui</ALUNO> <ASSISTENTE>Luis </ASSISTENTE> </CADEIRA> <CADEIRA> <CNOME>Redes</CNOME> <PROF>Antonio</PROF> </CADEIRA> </CURSO> Gramáticas-27 XML e CFG Reescrever DTD na notação das CFG – Converter CFG com expressões regulares no corpo das regras para CFG normais Base: se o corpo for uma concatenação, já está na forma CFG normal Indução: cinco casos – A E1, E2 (concatenação, E1 e E2 permitidas nos DTD) A BC B E1 C E2 (inventar variáveis B e C novas, permitida em CFG) (E1 pode ainda não estar na CFG, mas é menor) – A E1 | E 2 A E1 A E2 Gramáticas-28 XML e CFG – A (E1)* – (B é nova) A (E1)+ – A BA A B E1 A BA A B B E1 A (E1)? A A E1 Gramáticas-29 Converter o DTD Curso CURSO GRAU, CAD CAD CADEIRA CAD CADEIRA CAD CADEIRA CNOME PROF AL ASS AL B AL | B ALUNO ASS ASSISTENTE | GRAU L | M | D CNOME #PCDATA PROF #PCDATA ALUNO #PCDATA ASSISTENTE #PCDATA ou AL ALUNO AL | X Gramáticas-30 Ambiguidade de uma CFG Exemplo da instrução de selecção: análise da cadeia iie – Exemplo das expressões aritméticas: análise de a+b – – – – Derivação 1: E E+E I+E a+E a+I a+b Derivação 2: E E+E E+I I+I I+b a+b As derivações são diferentes Mas árvore de análise é a mesma, mesmo significado Uma CFG G=(V,T,P,S) é ambígua se – 3 árvores de análise, com significados diferentes E + E E I I a b Existir uma cadeia w em T* para a qual existam duas árvores de análise diferentes com raiz S e colheita w Se não existir nenhuma dessas cadeias é não ambígua Gramáticas-31 Precedência dos operadores E a + (a × a) E E + E I E × a E × E + I E E I I I I a a a a E a (a + a) × a Cadeia a + a × a tem 2 árvores de análise – gramática ambígua – Para desambiguar pode-se usar regras de precedência × tem precedência relativamente a +, tem prioridade superior, aplica-se antes do + tanto à esquerda como à direita (1ª árvore respeita esta regra, a 2ª não) a + a × a = a + (a × a) (a + a) × a Gramáticas-32 Associatividade E a + (a + a) E E + E I E + a E + E + I E E I I I I a a a a E a (a + a) + a Cadeia a + a + a tem 2 árvores de análise – gramática ambígua – Para desambiguar usa-se regra de associatividade Sequências de operadores com a mesma precedência são associativos à esquerda (2ª árvore respeita esta regra, a 1ª não) a + a + a = (a + a) × a Como a adição é associativa, o resultado é o mesmo nas duas análises Gramáticas-33 Remoção da ambiguidade de CFG Na gramática, a ambiguidade remove-se introduzindo mais variáveis, para distinguir níveis de precedência e regras de associatividade Conceitos – – – Factor: expressão que não pode ser fraccionada por operadores (+ ou ×) adjacentes – identificadores e expressões entre parênteses Termo: expressão que não pode ser fraccionada por + Expressão: outras expressões – uma expressão é assim uma soma de um ou mais termos Gramáticas-34 Gramática não ambígua I a | b | Ia | Ib | I0 | I1 F I | (E) TF|T×F ET|E+T Construir árvore de a+a×a Gramáticas-35 Ambiguidade e derivações Teorema: para cada gramática e cada cadeia w de terminais, w tem duas árvores de análise diferentes se e só se w tem duas derivações mais à esquerda de S diferentes Exemplo: derivações mais à esquerda das árvores de a+a×a Gramáticas-36 Ambiguidade na linguagem Uma linguagem sem contexto L é ambígua se todas as suas gramáticas forem ambíguas Exemplo: L= {anbncmdm | n1, m1} {anbmcmdn | n1, m1} Definir CFG Construir 2 árvores de análise para w=aabbccdd Gramáticas-37