Begreber og Redskaber 1 BRP

Syntaksbeskrivelse Oversigt Formelle og naturlige sprog Syntaks, semantik, pragmatik Jernbanediagram og EBNF Genkendelse af sprog Videre perspektiv – historie, teori, resultater

Formål Kunne læse syntaksbeskrivelse af Java Nyttigt redskab i en værktøjskasse Forstå hvad en syntaksbeskrivelse er Se om tekster er syntaktisk korrekt Skrive syntaks ud fra eksempler Omskrive EBNF til jernbanediagram Give et videre perpektiv Historie Videnskab mellem lingvistik og matematik

Sprog Formelt vs. Naturligt sprog Programmering sker i formelle sprog Maskinel analyse af naturlige sprog er kompliceret aktivt forskningsfelt Eksempler på formelle sprog Telefonnumre Email adresser HTML dokumenter Java programmer

Syntaks, semantik,.. Syntaks Semantik Pragmatik Hvilke sætninger må man skrive og hvordan hænger ordene sammen i sætninger Semantik Hvad betyder sætningerne i sproget Pragmatik Hvordan bruger man sproget i praksis Idiomer (talemåder, fast vendinger)

Begreber I Formelle sprog siger vi at Et sprog er mængden af syntaktisk korrekte tekster i sproget Et sprogs syntaks kan beskrives med en grammatik Jernbanediagrammer og EBNF er eksempler på måder at angive grammatikker på Tekster i det formelle sprog Java er altså de syntaktisk korrekte programmer

Jernbanediagrammer og EBNF Email adresser Om EBNF navn ”@” { navn ”.” } navn ”.” navn navn @ navn . navn

Notation Terminaler: Det der skal stå direkte i tekster (f.eks. Dele af Javaprogram ) I Jernbanediagram: I EBNF f.ex. class Nonterminaler: dele af tekster som forklares andetsteds i grammatikken I Jernbanediagram I EBNF Expression class Expression

Mer notation EBNF udtryk bruger: EBNF regler har ofte formen [ .. ] mulighed 0-1 { .. } gentagelse 0-flere (.. | .. ) valgmulighed EBNF regler har ofte formen Nonterminal: udtryk1 udtryk2 Det skal læses som: (udtryk1 | udtryk2)

Fra EBNF til jernbanediagram (Den anden vej er ikke helt så triviel) udtryk1 udtryk2 (sammensætning) {udtryk} (gentagelse 0-flere) [udtryk] (mulighed 0-1) (udtryk1 | udtryk2) (valg) udtryk1 udtryk2 udtryk udtryk udtryk1 udtryk2

Et Java Program public class A { public static void main(String[ ] args) System.out.println(”Hello”); }

Compilation Unit (Baseret på L&L – men som EBNF) Compilation Unit: [PackDecl] {ImportDecl} {TypeDeclaration} Vi vælger TypeDeclaration TypeDeclaration: ClassDeclaration InterfaceDeclaration Vi vælger ClassDeclaration

Class Declaration ClassDeclaration: {Modifier} class id ClassAss ClassBody Vi vælger en Modifier: public Vi vælger: public class A ClassBody ClassBody: ”{” {ClassMember} ”}” Vi tager en enkelt: { ClassMember }

Et Java Program public class A { public static void main(String[ ] args) System.out.println(”Hello”); }

ClassMember ClassMember FieldDeclaration ConstructorDeclaration MethodDeclaration ClassDeclaration InterfaceDeclaration static Block Vi vælger MethodDeclaration

MethodDeclaration MethodDeclaration: {Modifier} (Type|void) id par thrw MethBody Modifier: public | private | protected | static | final | abstract | native | synchronized | transient | volatile Vi vælger: public static Vi vælger: void (ikke Type) og id: main

Et Java Program public class A { public static void main(String[ ] args) System.out.println(”Hello”); }

Parameters Par ”(” [ Type id { ”,” Type id } ] ”)” Vi vælger en enkelt med id: args Type: (PrimType | Name) { ”[” ”]” } Vi vælger: String[ ] Og får: (String[ ] args)

MethodBody MethBody: Block ”;” Block: ”{” {BlockStatement} ”}” LocalVariableDeclaration ”;” Statement ClassDeclaration

Et Java Program public class A { public static void main(String[ ] args) System.out.println(”Hello”); }

Statement Statement: Block | ExpressionStatement | BasicAssignment | IfStatement | SwitchStatement | WhileStatement | DoStatement | ForStatement | ReturnStatement | ThrowStatement | TryStatement | SynchronizedStatement | EmptyStatement | BreakStatement | ContinueStatement | LabeledStatement

ExpressionStatement ExpressionStatement: Expression ”;” (Lige her er der et par små trykfejl i de to grammatikker: JLS har glemt ExpressionStatement, og L&L får begrænset Expression for meget)

Expression Expression: PrimaryExpression | Assignment | EqualityExpression | RelationalExpression | LogicalExpression | BitwiseExpression | ConditionalExpression | InstanceExpression | CastExpression | UnaryExpression Vi vælger PrimaryExpression

PrimaryExpression Primary: Primary1 { PrimSuffix } Primary1: Literal Name this super ”.” id ”(” Expression ”)” Allocation

Primary Name: Id { ”.” Id } PrimSuffix: ”.” Id ”.” this ”.” class ”.” Allocation ”[” Expression ”]” Arguments

Arguments Arguments: ”(” [ Expression { ”,” Expression } ] ”)” Literal: IntegerLiteral | FloatingPointLiteral | CharacterLiteral | StringLiteral | BooleanLiteral | null StringLiteral: ””” { Character } ”””

Primary fortsat En mulighed for PrimaryExpression er derfor: Id {”.” Id} (Expression {”,” Expression}) Vi vælger System.out.println(”Hello”)

Et Java Program public class A { public static void main(String[ ] args) System.out.println(”Hello”); }

Afledning: Syntakstræ Compilation Unit: [PackDecl] {ImportDecl} {TypeDeclaration} ClassDeclaration class A { ClassBody }

EBNF Extended Backus Naur Form 1963: Brugt i Algol rapport (Peter Naur ed.) John Backus medforfatter. (De brugte en simplere version uden ”{” og ”}”) Variant af Kontekst-fri grammatikker (Chomsky 1956) Variant brugt af Panini, indisk grammatiker ca. 300 BC, til beskrivelse af Sanskrit

Regulære udtryk Regulære udtryk er en variant af EBNF hvor man kun har et udtryk og ikke mulighed for ekstra regler Kendes fra søgninger i mange tekstbehandlingssystemer Bruger ofte lidt andre symboler: ( .. )* betyder gentag 0-flere gange ( .. )+ betyder gantag 1-flere gange ( .. )? betyder mulighed 0-1

Chomsky hierarkiet Type 0 sprog: Uindskrænkede sprog (sprog med en formel syntaks) Type 1 sprog: Kontekst-følsomme sprog (hvad der må stå hvor i tekster afhænger af kontekst) Type 2 sprog: Kontekst-frit sprog (sprog der kan beskrives med EBNF eller tilsv.) Type 3 sprog: Regulære sprog (sprog der kan beskrives ved en enkelt regel i EBNF eller tilsv. Dvs. regulære udtryk)

Chomsky Noam Chomsky: lingvist og samfundsdebatør (f. 1928) Chomsky hierarkiet er fra 1956 og primært tænkt til beskrivelse af naturlige sprog (vha transformationsgrammatikker..)

Et par resultater Sproget: ”ab”,”aabb”,”aaabbb”,... er kontekstfrit men ikke regulært. Sproget: ”abc”,”aabbcc”,”aaabbbccc”,.. er ikke kontekstfrit men kontekstafhængigt. Sprog1: ab a Sprog1 b

Et par resultater Der findes ingen generelle teknikker til at undersøge om to EBNF’er beskriver samme sprog (Det kan bevises at en sådan teknik heller ikke kan findes!) En sådan teknik findes for regulære udtryk.

Hvad kan det bruges til? Regulære udtryk → søgninger i store datamængder Genkendelse kan klares af endelige automater (uden hukommelse) Kontekst fri sprog → oversættere Genkendelse kræver hukommelse Særligt effektive genkendere findes for klasser af kontekst-fri grammatikker (LL(1), LALR(1),..) De kan konstrueres automatisk ud fra grammatikken (YACC, Bison, Antlr)

Afrunding EBNF og Jernbanediagrammer er redskaber til at beskrive tekster i formelle sprog Undersøge om en given tekst hører til sproget: Genkendelse, afledning Afklare hvad der er korrekt Java