-
Notifications
You must be signed in to change notification settings - Fork 0
/
AnalizadorLexico.py
308 lines (275 loc) · 14.8 KB
/
AnalizadorLexico.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
import re
import sys
from enum import Enum
# Diccionario de palabras reservadas
PALABRAS_RESERVADAS = {
"main": "PALABRA RESERVADA",
"if": "PALABRA RESERVADA",
"then": "PALABRA RESERVADA",
"else": "PALABRA RESERVADA",
"end": "PALABRA RESERVADA",
"do": "PALABRA RESERVADA",
"while": "PALABRA RESERVADA",
"repeat": "PALABRA RESERVADA",
"until": "PALABRA RESERVADA",
"cin": "PALABRA RESERVADA",
"cout": "PALABRA RESERVADA",
"real": "PALABRA RESERVADA",
"int": "PALABRA RESERVADA",
"boolean": "PALABRA RESERVADA"
}
# Definir patrones para los tokens
PATRONES_TOKEN = {
'operador': r"\-\*|/\*|\*/|\*|/",
'parentesis': r"[()]",
'coma': r",",
'punto_y_coma': r";",
'comentario_de_linea': r"//.*",
'comentario_de_bloque': r"/\*.*?\*/",
'entero': r"\b\d+\b(?!\.)",
'real': r"\b\d+\.\d+\b|\b\d+\.\b|\b\.\d+\b",
'identificador': r"\b[a-zA-Z_0-9][a-zA-Z0-9_]*\b",
'llave_abierta': r"\{",
'llave_cerrada': r"\}",
'porcentaje': r"\%",
'simbolos': r'>=|>|<=|<|==|!=|:=|=|--|-|\+\+|\+',
'incremento': r"\+\+",
'decremento': r"\-\-",
'mayor_que': r">",
'mayor_igual': r">=",
'igual': r"=",
'igual_igual': r"==",
'menor': r"<",
'menor_igual': r"<=",
'diferente_de': r"!=",
'asignacion': r":=",
}
# Enumeración para los tipos de token
class TipoToken(Enum):
PALABRA_RESERVADA = 1
OPERADOR = 2
PARENTESIS = 3
COMA = 4
PUNTO_Y_COMA = 5
COMENTARIO_DE_LINEA = 6
COMENTARIO_DE_BLOQUE = 7
ENTERO = 8
REAL = 9
IDENTIFICADOR = 10
INCREMENTO = 11
DECREMENTO = 12
LLAVE_ABIERTA = 13
LLAVE_CERRADA = 14
MAYOR_QUE = 15
MAYOR_IGUAL = 16
IGUAL = 17
IGUAL_IGUAL = 18
MENOR = 19
MENOR_IGUAL = 20
DIFERENTE_DE = 21
ASIGNACION = 22
def eliminar_comentarios(contenido_archivo):
# Eliminar comentarios de línea
contenido_archivo = re.sub(r"//.*", "", contenido_archivo)
# Eliminar comentarios de bloque
contenido_archivo = re.sub(r"/\*.*?\*/", "", contenido_archivo, flags=re.DOTALL)
return contenido_archivo
def obtener_tokens(nombre_archivo):
try:
with open(nombre_archivo) as archivo:
contenido_archivo = archivo.read()
contenido_archivo #= eliminar_comentarios(contenido_archivo)
tokens = []
errores = []
for numero_linea, linea in enumerate(contenido_archivo.split('\n'), start=1):
numero_columna = 1
while linea:
match = None
for token_nombre, patron in PATRONES_TOKEN.items():
regex = re.compile(patron)
match = regex.match(linea)
if match:
valor = match.group(0)
linea = linea[len(valor):]
if token_nombre == 'identificador':
if valor in PALABRAS_RESERVADAS:
tokens.append((valor.lower(), TipoToken.PALABRA_RESERVADA, numero_linea, numero_columna))
else:
if re.match(r"^\d", valor): # Verificar si el identificador comienza con un número
for i, c in enumerate(valor):
if not c.isdigit():
break
tokens.append((valor[:i], TipoToken.ENTERO, numero_linea, numero_columna))
tokens.append((valor[i:], TipoToken.IDENTIFICADOR, numero_linea, numero_columna + i))
else:
tokens.append((valor, TipoToken.IDENTIFICADOR, numero_linea, numero_columna))
elif token_nombre in ['real', 'entero']:
patron_entero = r"\b\d+\b(?!\.)"
patron_real = r"\b\d+\.\d*\b|\b\d*\.\d+\b"
if re.match(patron_entero, valor):
tokens.append((valor, TipoToken.ENTERO, numero_linea, numero_columna))
elif re.match(patron_real, valor):
if "." in valor:
partes = valor.split(".")
if len(partes) == 2 and partes[1].isdigit():
tokens.append((valor, TipoToken.REAL, numero_linea, numero_columna))
else:
errores.append((valor, numero_linea, numero_columna))
else:
tokens.append((valor, TipoToken.ENTERO, numero_linea, numero_columna))
else:
errores.append((valor, numero_linea, numero_columna))
numero_columna += len(valor)
break
else:
if token_nombre == 'simbolos':
if valor == '>=':
tokens.append((valor, TipoToken.MAYOR_IGUAL, numero_linea, numero_columna))
elif valor == '>':
tokens.append((valor, TipoToken.MAYOR_QUE, numero_linea, numero_columna))
elif valor == '=':
tokens.append((valor, TipoToken.IGUAL, numero_linea, numero_columna))
elif valor == '==':
tokens.append((valor, TipoToken.IGUAL_IGUAL, numero_linea, numero_columna))
elif valor == '<':
tokens.append((valor, TipoToken.MENOR, numero_linea, numero_columna))
elif valor == '<=':
tokens.append((valor, TipoToken.MENOR_IGUAL, numero_linea, numero_columna))
elif valor == '!=':
tokens.append((valor, TipoToken.DIFERENTE_DE, numero_linea, numero_columna))
elif valor == ':=':
tokens.append((valor, TipoToken.ASIGNACION, numero_linea, numero_columna))
elif valor == '--':
tokens.append((valor, TipoToken.DECREMENTO, numero_linea, numero_columna))
elif valor == '-':
tokens.append((valor, TipoToken.OPERADOR, numero_linea, numero_columna))
elif valor == '++':
tokens.append((valor, TipoToken.INCREMENTO, numero_linea, numero_columna))
elif valor == '+':
tokens.append((valor, TipoToken.OPERADOR, numero_linea, numero_columna))
else:
tokens.append((valor, TipoToken.SIMBOLOS, numero_linea, numero_columna))
else:
tokens.append((valor, TipoToken[token_nombre.upper()], numero_linea, numero_columna))
numero_columna += len(valor)
break
if not match:
if linea[0] != '\n':
errores.append((linea[0], numero_linea, numero_columna))
linea = linea[1:]
numero_columna += 1
# Escribir errores en archivo
with open(f"errores.txt", "w") as archivo_errores:
print("\n\n\n -------------- ERRORES ---------------- \n\n\n")
for error in errores:
if error[0].strip():
archivo_errores.write(f"Error lexico en la linea {error[1]}, columna {error[2]}: {error[0]} \n")
print(f"Error lexico en la linea {error[1]}, columna {error[2]}: {error[0]} \n")
return tokens
except FileNotFoundError:
print(f"El archivo {nombre_archivo} no existe")
def obtener_tokens_comentarios(nombre_archivo):
try:
with open(nombre_archivo) as archivo:
contenido_archivo = archivo.read()
contenido_archivo = eliminar_comentarios(contenido_archivo)
tokens = []
errores = []
for numero_linea, linea in enumerate(contenido_archivo.split('\n'), start=1):
numero_columna = 1
while linea:
match = None
for token_nombre, patron in PATRONES_TOKEN.items():
regex = re.compile(patron)
match = regex.match(linea)
if match:
valor = match.group(0)
linea = linea[len(valor):]
if token_nombre == 'identificador':
if valor in PALABRAS_RESERVADAS:
tokens.append((valor.lower(), TipoToken.PALABRA_RESERVADA, numero_linea, numero_columna))
else:
if re.match(r"^\d", valor): # Verificar si el identificador comienza con un número
for i, c in enumerate(valor):
if not c.isdigit():
break
tokens.append((valor[:i], TipoToken.ENTERO, numero_linea, numero_columna))
tokens.append((valor[i:], TipoToken.IDENTIFICADOR, numero_linea, numero_columna + i))
else:
tokens.append((valor, TipoToken.IDENTIFICADOR, numero_linea, numero_columna))
elif token_nombre in ['real', 'entero']:
patron_entero = r"\b\d+\b(?!\.)"
patron_real = r"\b\d+\.\d*\b|\b\d*\.\d+\b"
if re.match(patron_entero, valor):
tokens.append((valor, TipoToken.ENTERO, numero_linea, numero_columna))
elif re.match(patron_real, valor):
if "." in valor:
partes = valor.split(".")
if len(partes) == 2 and partes[1].isdigit():
tokens.append((valor, TipoToken.REAL, numero_linea, numero_columna))
else:
errores.append((valor, numero_linea, numero_columna))
else:
tokens.append((valor, TipoToken.ENTERO, numero_linea, numero_columna))
else:
errores.append((valor, numero_linea, numero_columna))
numero_columna += len(valor)
break
else:
if token_nombre == 'simbolos':
if valor == '>=':
tokens.append((valor, TipoToken.MAYOR_IGUAL, numero_linea, numero_columna))
elif valor == '>':
tokens.append((valor, TipoToken.MAYOR_QUE, numero_linea, numero_columna))
elif valor == '=':
tokens.append((valor, TipoToken.IGUAL, numero_linea, numero_columna))
elif valor == '==':
tokens.append((valor, TipoToken.IGUAL_IGUAL, numero_linea, numero_columna))
elif valor == '<':
tokens.append((valor, TipoToken.MENOR, numero_linea, numero_columna))
elif valor == '<=':
tokens.append((valor, TipoToken.MENOR_IGUAL, numero_linea, numero_columna))
elif valor == '!=':
tokens.append((valor, TipoToken.DIFERENTE_DE, numero_linea, numero_columna))
elif valor == ':=':
tokens.append((valor, TipoToken.ASIGNACION, numero_linea, numero_columna))
elif valor == '--':
tokens.append((valor, TipoToken.DECREMENTO, numero_linea, numero_columna))
elif valor == '-':
tokens.append((valor, TipoToken.OPERADOR, numero_linea, numero_columna))
elif valor == '++':
tokens.append((valor, TipoToken.INCREMENTO, numero_linea, numero_columna))
elif valor == '+':
tokens.append((valor, TipoToken.OPERADOR, numero_linea, numero_columna))
else:
tokens.append((valor, TipoToken.SIMBOLOS, numero_linea, numero_columna))
else:
tokens.append((valor, TipoToken[token_nombre.upper()], numero_linea, numero_columna))
numero_columna += len(valor)
break
if not match:
if linea[0] != '\n':
errores.append((linea[0], numero_linea, numero_columna))
linea = linea[1:]
numero_columna += 1
# Escribir resultados en archivo
with open("resultados.txt", "w") as archivo_resultados:
archivo_resultados.write("{:<20} | {:<20} | {:<20} | {:<20}\n".format("Token", "Tipo", "Linea", "Columna"))
archivo_resultados.write("-" * 21 + "|" + "-" * 22 + "|" + "-" * 22 + "|" + "-" * 12 + "\n")
for token in tokens:
valor, tipo, numero_linea, numero_columna = token
archivo_resultados.write("{:<20} | {:<20} | {:<20} | {:<20}\n".format(valor, tipo.name.replace('TipoToken.', ''), numero_linea, numero_columna))
return tokens
except FileNotFoundError:
print(f"El archivo {nombre_archivo} no existe")
if __name__ == '__main__':
if len(sys.argv) > 1:
nombre_archivo = sys.argv[1]
tokens = obtener_tokens_comentarios(nombre_archivo)
obtener_tokens(nombre_archivo)
print("\n\n ------------------ ANALISIS LEXICO -------------------------- \n\n\n")
for token in tokens:
valor, tipo, numero_linea, numero_columna = token
print("{:<20} | {:<20} | {:<20} | {:<20}\n".format(valor, tipo.name.replace('TipoToken.', ''), numero_linea, numero_columna))
else:
print("Debe proporcionar el nombre de un archivo como argumento.")