Reconocimiento de Funciones en Lexer de Lenguaje de Programación

Clase 8 de 58 • Curso de Creación de Lenguajes de Programación: Intérpretes

Resumen

¿Cómo se reconocen las funciones en el lexer?

El desarrollo de un lexer es crucial para la construcción de un lenguaje de programación, y ahora nos encontramos en el emocionante punto de reconocer las funciones dentro de nuestro código. Ya hemos avanzado bastante al poder identificar identificadores, ciertos keywords como "variable" y varios símbolos del lenguaje. Sin embargo, ha llegado el momento de dar un paso más y poder detectar funciones.

Para esto, vamos a implementar un nuevo test que inicialmente debe fallar; esto nos obligará a escribir el código necesario para que este test pueda avanzar. Trabajaremos dentro del branch 8 de nuestro repositorio en GitHub, donde además generaremos un test llamado test function declaration.

En él, definiremos una función que se ve de la siguiente manera:

variable suma es igual a un procedimiento que recibe como parámetros x y y y regresa simplemente x más y.

Esta sintaxis, particular por estar en español, forma parte de nuestro lenguaje y nos permite identificar claramente las funciones.

¿Cómo se implementa y ejecuta el test?

Para comenzar, cargamos el lexer con el source, que es el string de arriba. Aunque solo pasamos strings, es importante recordar que podríamos leer este source directamente de un archivo del sistema. Una vez que tenemos nuestra lista de tokens, vamos a identificar los siguientes 16 tokens:

variable
Identificador suma
Signo de asignación =
Keyword procedimiento (representa function)
Paréntesis de apertura (
Parámetro x
Coma ,
Parámetro y
Paréntesis de cierre )
Corchetes de apertura {
Identificador x
Operador suma +
Identificador y
Punto y coma ;
Corchetes de cierre }
Punto y coma ;

Es crucial incluir las aserciones apropiadas, ya que sin ellas, el test no tiene valor alguno.

¿Qué hacemos cuando el test falla?

Al ejecutar nuestro test, encontramos que no se reconoce la palabra "procedimiento" adecuadamente; se detecta como un identificador. Esto ocurre porque nuestro lexer aún no ha sido instruido para reconocerla como un keyword.

Para solucionarlo, vamos al archivo donde hemos definido nuestros tokens. Allí, agregamos "procedimiento" como un nuevo keyword, asignándole el tipo function. Ahora nuestro lexer podrá identificar correctamente esta palabra.

¿Qué challenge nos espera?

Como cierre, te propongo que implementes un test adicional que llame funciones. Este se denomina test function call y no recibe parámetros ni retorna valores. Así lograrás evaluar el siguiente source:

variable resultado es igual a suma de 2 y 3;

Aquí, los tokens a identificar incluyen:

variable como keyword de tipo let
resultado como identificador
Un operador de asignación
suma como identificador que es seguido por paréntesis, indicando una llamada a función

Aunque el lexer no requiere entender la sintaxis o semántica completa de nuestro lenguaje, este es el trabajo del parser. Este desafío es una excelente forma de poner en práctica lo aprendido e ir familiarizándote más con la dinámica de creación del lenguaje.

Para ayudarte en este proceso de aprendizaje activo, la solución se encuentra disponible en un branch en GitHub, donde puedes comparar tu código con el original. ¡Recuerda compartir tus avances y dificultades en la sección de comentarios para que te podamos brindar apoyo en todo momento!

Carlos Eduardo Gomez García

teacher•

No se vale, el reto ya estaba resuelto xD Prácticamente el lexer ya es capaz de identificar la mayoría de tokens de nuestro lenguaje, ya solo era cuestión de escribir el test jajaja:

def test_function_call(self) -> None:
        
        source: str = """
            variable resultado = suma(dos, tres);
        """
        lexer: Lexer = Lexer(source)

        tokens: List[Token] = []

        for i in range(10):

            tokens.append(lexer.next_token())

        expected_tokens: List[Token] = [
            Token(TokenType.LET, "variable"),
            Token(TokenType.IDENT, "resultado"),
            Token(TokenType.ASSIGN, "="),
            Token(TokenType.IDENT, "suma"),
            Token(TokenType.LPAREN, "("),
            Token(TokenType.IDENT, "dos"),
            Token(TokenType.COMMA, ","),
            Token(TokenType.IDENT, "tres"),
            Token(TokenType.RPAREN, ")"),
            Token(TokenType.SEMICOLON, ";"),
        ]

        self.assertEquals(tokens, expected_tokens)

Por cierto, en mi caso cambiaré el keyword "procedimiento" por el keyword "funcion", a mi parecer la palabra "procedimiento" es una palabra más complicada de entender cuando estás aprendiendo a programar jajaja, la palabra "funcion" es más fácil uwu

Diana Martinez

student•

Que curioso, las funciones en LPP no tienen un token para retorno, pero retornan.

Jherom Chacon

student•

retornan porque se asume que el último elemento dentro de un procedimiento o función es el retorno. Bueno al menos así lo interpreto yo.

Jaime Rafael Norato Corredor

student•

cree esta función para optimizar mis test, para ahorrame las 4 lineas que siempre se repiten en todos los tests, y así solo me concentro en el listado de tokens que debe evaluar mi test.

    def validate_tes(self, source: str, expected_tokens: List[Token]) -> None:
        lexer: Lexer = Lexer(source)

        token: List[Token] = []
        for i in range(len(expected_tokens)):
            token.append(lexer.next_token())

        self.assertEquals(token, expected_tokens)

y en el test del reto se vería así:

    def test_function_call(self) -> None:
        source: str = """
            variable resultado = suma(dos, tres);
        """

        expected_tokens: List[Token] = [
            Token(TokenType.LET, 'variable'),
            Token(TokenType.IDENT, 'resultado'),
            Token(TokenType.ASSIGN, '='),
            Token(TokenType.IDENT, 'suma'),
            Token(TokenType.RPAREN, '('),
            Token(TokenType.IDENT, 'dos'),
            Token(TokenType.COMMA, ','),
            Token(TokenType.IDENT, 'tres'),
            Token(TokenType.LPAREN, ')'),
            Token(TokenType.SEMICOLON, ';'),
        ]

        self.validate_tes(source, expected_tokens)

y al rescribir todo mi lexer_test.py me quedo de la siguiente forma:

from typing import List
from unittest import TestCase
from typing import List
from lpp.token import (
    Token,
    TokenType
)
from lpp.lexer import Lexer


class LexerTest(TestCase):

    def test_illegal(self) -> None:
        source: str = '¡¿@'

        expected_tokens: List[Token] = [
            Token(TokenType.ILLEGAL, '¡'),
            Token(TokenType.ILLEGAL, '¿'),
            Token(TokenType.ILLEGAL, '@')
        ]

        self.validate_tes(source, expected_tokens)

    def test_one_character_operator(self) -> None:
        source: str = '=+'

        expected_tokens: List[Token] = [
            Token(TokenType.ASSIGN, '='),
            Token(TokenType.PLUS, '+'),
        ]

        self.validate_tes(source, expected_tokens)

    def test_eof(self) -> None:
        source: str = '+'

        expected_tokens: List[Token] = [
            Token(TokenType.PLUS, '+'),
            Token(TokenType.EOF, ''),
        ]

        self.validate_tes(source, expected_tokens)

    def test_delimiters(self) -> None:
        source = '(){},;'

        expected_tokens: List[Token] = [
            Token(TokenType.RPAREN, '('),
            Token(TokenType.LPAREN, ')'),
            Token(TokenType.RBRACE, '{'),
            Token(TokenType.LBRACE, '}'),
            Token(TokenType.COMMA, ','),
            Token(TokenType.SEMICOLON, ';'),
        ]

        self.validate_tes(source, expected_tokens)

    def test_assignment(self) -> None:
        source = 'variable cinco = 5;'

        expected_tokens: List[Token] = [
            Token(TokenType.LET, 'variable'),
            Token(TokenType.IDENT, 'cinco'),
            Token(TokenType.ASSIGN, '='),
            Token(TokenType.INT, '5'),
            Token(TokenType.SEMICOLON, ';'),
        ]

        self.validate_tes(source, expected_tokens)

    def test_function_declaration(self) -> None:
        source = '''
            variable suma = procedimiento(x, y) {
                x + y;
            };
        '''

        expected_tokens: List[Token] = [
            Token(TokenType.LET, 'variable'),
            Token(TokenType.IDENT, 'suma'),
            Token(TokenType.ASSIGN, '='),
            Token(TokenType.FUNCTION, 'procedimiento'),
            Token(TokenType.RPAREN, '('),
            Token(TokenType.IDENT, 'x'),
            Token(TokenType.COMMA, ','),
            Token(TokenType.IDENT, 'y'),
            Token(TokenType.LPAREN, ')'),
            Token(TokenType.RBRACE, '{'),
            Token(TokenType.IDENT, 'x'),
            Token(TokenType.PLUS, '+'),
            Token(TokenType.IDENT, 'y'),
            Token(TokenType.SEMICOLON, ';'),
            Token(TokenType.LBRACE, '}'),
            Token(TokenType.SEMICOLON, ';'),
        ]

        self.validate_tes(source, expected_tokens)

    def test_function_call(self) -> None:
        source: str = """
            variable resultado = suma(dos, tres);
        """

        expected_tokens: List[Token] = [
            Token(TokenType.LET, 'variable'),
            Token(TokenType.IDENT, 'resultado'),
            Token(TokenType.ASSIGN, '='),
            Token(TokenType.IDENT, 'suma'),
            Token(TokenType.RPAREN, '('),
            Token(TokenType.IDENT, 'dos'),
            Token(TokenType.COMMA, ','),
            Token(TokenType.IDENT, 'tres'),
            Token(TokenType.LPAREN, ')'),
            Token(TokenType.SEMICOLON, ';'),
        ]

        self.validate_tes(source, expected_tokens)

    def validate_tes(self, source: str, expected_tokens: List[Token]) -> None:
        lexer: Lexer = Lexer(source)

        token: List[Token] = []
        for i in range(len(expected_tokens)):
            token.append(lexer.next_token())

        self.assertEquals(token, expected_tokens)

Espero les sirva, y cualquier aporte o comentario adicional , bienvenido sea :)

Raúl Humberto Peñate Ramírez

student•

tuvo bueno

def test_function_call(``self``) -> None: source: ``str`` = 'bolado resultado = suma(dos, tres);' lexer: Lexer = Lexer(source) tokens: List[Token] = [] for i in range(10): tokens.append(lexer.next_token()) expected_tokens: List[Token] = [ Token(TokenType.LET, 'bolado'), Token(TokenType.IDENT, 'resultado'), Token(TokenType.ASSIGN, '='), Token(TokenType.IDENT, 'suma'), Token(TokenType.LPAREN, '('), Token(TokenType.IDENT, 'dos'), Token(TokenType.COMMA, ','), Token(TokenType.IDENT, 'tres'), Token(TokenType.RPAREN, ')'), Token(TokenType.SEMICOLON, ';'), ] ``self``.assertEqual(tokens, expected_tokens)

luimarco daniel Carrascal Diaz

student•

tamalito

Oscar Bucio Barrera

student•

    # Challenge 2
    def test_function_call(self) -> None:
        source: str = 'variable resultado = suma(dos, tres);'
        lexer: Lexer = Lexer(source)
        
        tokens: List[Token] = []
        for i in range(10):
            tokens.append(lexer.next_token())
        
        expected_tokens: List[Token] = [
            Token(TokenType.LET, 'variable'),
            Token(TokenType.IDENT, 'resultado'),
            Token(TokenType.ASSIGN, '='),
            Token(TokenType.IDENT, 'suma'),
            Token(TokenType.LPAREN, '('),
            Token(TokenType.IDENT, 'dos'),
            Token(TokenType.COMMA, ','),
            Token(TokenType.IDENT, 'tres'),
            Token(TokenType.RPAREN, ')'),
            Token(TokenType.SEMICOLON, ';'),

        ]

        self.assertEquals(tokens, expected_tokens)

Ricardo Angeles Gómez

student•

Mi solución

def test_function_call(self) -> None:
    source: str = 'variable resultado = suma(dos, tres);'
    lexer: Lexer = Lexer(source)

    tokens: List[Token] = []
    token = lexer.next_token()
    while token != Token(TokenType.EOF, ''):
        tokens.append(token)
        token = lexer.next_token()

    expected_tokens: List[Token] = [
        Token(TokenType.LET, 'variable'),
        Token(TokenType.IDENT, 'resultado'),
        Token(TokenType.ASSIGN, '='),
        Token(TokenType.IDENT, 'suma'),
        Token(TokenType.LPAREN, '('),
        Token(TokenType.IDENT, 'dos'),
        Token(TokenType.COMMA, ','),
        Token(TokenType.IDENT, 'tres'),
        Token(TokenType.RPAREN, ')'),
        Token(TokenType.SEMICOLON, ';'),
    ]
    self.assertEquals(tokens, expected_tokens)

Ricardo Angeles Gómez

student•

De esta manera podemos evitar contar los tokens

	tokens: List[Token] = []
        token = lexer.next_token()
        while token != Token(TokenType.EOF, ''):
            tokens.append(token)
            token = lexer.next_token()

en lugar de

        tokens: List[Token] = []
        for i in range(5):
            tokens.append(lexer.next_token())

espero sea util

Jherom Chacon

student•

Bueno de lo fácil que era no estoy seguro de que esté bien

Jherom Chacon

student•

Reto

Jherom Chacon

student•

Agregando el Keyword procedimiento

Jherom Chacon

student•

Implementación del test test_function_declaration