Analisador Léxico - Gramática e Compiladores

Primeira parte do trabalho de Gramática e Compiladores do curso de Ciência da Computação do IFG-Anápolis.

📝 Descrição

Este projeto implementa um analisador léxico para identificar e classificar tokens de uma linguagem de programação simplificada, com foco especial na detecção de erros léxicos. O analisador processa arquivos de código fonte e categoriza cada token encontrado, identificando quando há palavras-chave escritas incorretamente ou outras inconsistências lexicais.

🎯 Objetivos

• Identificar erros léxicos em código fonte
• Classificar tokens em categorias (palavras-chave, variáveis, identificadores, etc.)
• Detectar similaridades entre tokens incorretos e palavras-chave válidas
• Processar múltiplos arquivos automaticamente

🔧 Funcionalidades

Classificação de Tokens

O analisador identifica os seguintes tipos de tokens:

• KEYWORD: Palavras-chave da linguagem (principal, inteiro, escreva, leia, etc.)
• VARIABLE: Variáveis (devem começar com !)
• FUNC_NAME: Nomes de funções (devem começar com __)
• INTEGER: Números inteiros
• IDENTIFIER/OTHER: Outros identificadores válidos
• LEFT_PAREN/RIGHT_PAREN: Parênteses ( e )
• LEFT_BRACE/RIGHT_BRACE: Chaves { e }
• SEMICOLON: Ponto e vírgula ;
• LEXICAL ERROR: Tokens com erros léxicos

Detecção de Erros Léxicos

O sistema utiliza o algoritmo de distância de Levenshtein para detectar:

• Palavras-chave escritas incorretamente (ex: pincipal → principal)
• Variações com caracteres faltando ou extras
• Prefixos de palavras-chave válidas

Linguagem Suportada

Palavras-chave:

• principal - função principal
• inteiro - tipo de dados inteiro
• retorno - comando de retorno
• escreva - comando de saída
• leia - comando de entrada
• funcao - declaração de função
• se - condicional if
• senao - condicional else
• para - laço for

Regras de Sintaxe:

• Variáveis: devem começar com ! (ex: !a, !numero)
• Funções: devem começar com __ (ex: __soma)
• Strings: delimitadas por aspas duplas

📁 Estrutura do Projeto

compiler/
├── main.c                 # Código principal do analisador
├── main                   # Executável compilado
├── ASCII.TXT             # Arquivo de referência ASCII
├── data/                 # Arquivos de teste (.txt)
│   ├── exemplo_1.txt
│   ├── exemplo_2.txt
│   ├── exemplo_3.txt
│   ├── exemplo_4.txt
│   ├── Erro_exemplo_5.txt
│   ├── Erro_exemplo_6.txt
│   ├── Erro_Exemplo_7.txt
│   ├── Erro_Exemplo_8.txt
│   └── Erro_Exemplo_9.txt
└── datartf/              # Arquivos de teste (.rtf)
    └── [mesmos arquivos em formato RTF]

🚀 Como Executar

Pré-requisitos

• Compilador GCC
• Sistema Linux/Unix

Compilação

gcc -o main main.c

Execução

./main

O programa irá processar automaticamente todos os arquivos na pasta data/ e exibir:

• Lista de tokens encontrados
• Classificação de cada token
• Detecção de erros léxicos
• Uso de memória

📊 Exemplo de Saída

==============================
Processando arquivo: ./data/Erro_Exemplo_9.txt

Total de tokens: 13

Classificação dos tokens:
tokens[0] = "principal" -> KEYWORD
tokens[1] = "(" -> LEFT_PAREN
tokens[2] = ")" -> RIGHT_PAREN
tokens[3] = "{" -> LEFT_BRACE
tokens[4] = "inteiro" -> KEYWORD
tokens[5] = "!a" -> VARIABLE
tokens[6] = "!b2" -> VARIABLE
tokens[7] = "=" -> IDENTIFIER/OTHER
tokens[8] = "7" -> INTEGER
tokens[9] = ";" -> SEMICOLON
tokens[10] = "escrva" -> LEXICAL ERROR

Memória ocupada: 2048 Bytes ou 2.00 KB

🔍 Recursos Técnicos

Gerenciamento de Memória

• Limite de memória: 2MB (2048 KB)
• Alocação segura com verificação de limites
• Liberação automática de memória

Processamento de Arquivo

• Leitura completa do arquivo em memória
• Remoção de BOM UTF-8 quando presente
• Tokenização baseada em delimitadores

Algoritmos Implementados

• Distância de Levenshtein para detecção de similaridade
• Tokenização com múltiplos delimitadores
• Classificação automática de tokens

👥 Contribuição

Desenvolvido por:

• Davi Galdino
• Ana Misque Te amo <3

📄 Licença

Este projeto foi desenvolvido para fins acadêmicos como parte do curso de Compiladores.

---