Mucho más que cambiar unas palabras por otras
Un compilador es un programa que transforma código escrito en un lenguaje fuente en otra representación, normalmente código máquina, bytecode o un formato intermedio, mientras comprueba reglas y conserva el significado definido por el lenguaje. No traduce cada línea de manera literal. Primero reconoce símbolos y estructura, resuelve nombres y tipos, genera una representación manejable, aplica transformaciones válidas y adapta el resultado a un procesador o máquina virtual. Si una operación es ambigua o inválida, debe explicar el error antes de fabricar instrucciones. Compilar convierte una intención formal en una secuencia ejecutable sin prometer que el programa haga lo que su autor quería.
Un intérprete ejecuta instrucciones directamente o sobre una representación, pero la frontera no es rígida. Python compila a bytecode; Java usa bytecode y compilación en tiempo de ejecución; navegadores combinan interpretación y JIT. Son estrategias dentro de una cadena, no bandos opuestos.
De caracteres a una estructura con jerarquía
El análisis léxico agrupa caracteres en tokens: palabras clave, identificadores, números y operadores. La cadena `total = precio * 1.21` deja de ser texto continuo y pasa a unidades con posición. Espacios o comentarios pueden descartarse, aunque su localización se conserva para mensajes de error. Un carácter inesperado falla en esta fase.
El analizador sintáctico aplica la gramática y construye un árbol de sintaxis abstracta. La precedencia hace que la multiplicación quede dentro de la asignación; paréntesis cambian la forma. Un parser no decide todavía si `precio` existe o si sus tipos son compatibles. Separa estructura gramatical de significado contextual.
Comprobar qué significa cada pieza
El análisis semántico enlaza identificadores con declaraciones, revisa ámbitos, comprueba argumentos y aplica reglas de tipos. Una tabla de símbolos distingue dos variables con el mismo nombre en funciones distintas. La inferencia puede deducir un tipo sin que el programador lo escriba, pero sigue reglas específicas y puede necesitar anotaciones cuando hay varias soluciones.
Un error de tipo evita operaciones que el lenguaje considera inválidas; no demuestra corrección total. Dividir por cero, usar un índice fuera de rango o implementar mal una fórmula puede pasar la compilación. Lenguajes y compiladores deciden qué garantías ofrecen. La programación segura combina tipos, pruebas, revisiones y validación en ejecución.
El idioma común entre muchos lenguajes y procesadores
En vez de transformar directamente cada lenguaje en cada arquitectura, el compilador suele crear una representación intermedia, IR. Puede usar operaciones simples, flujo de control explícito y una forma de asignación única que facilita seguir de dónde sale cada valor. Un frontal conoce el lenguaje; un backend conoce la máquina. La IR desacopla ambas partes.
Infraestructuras como LLVM permiten que varios frontales compartan optimizadores y generadores. GCC organiza su trabajo en pases y varias representaciones. Una IR no es necesariamente portable ni estable como formato de archivo: puede estar diseñada para análisis interno y cambiar entre versiones. Su nivel de detalle decide qué optimizaciones resultan fáciles.
Hacer menos trabajo respetando la semántica
La optimización elimina código inalcanzable, calcula constantes, evita expresiones repetidas, mueve operaciones fuera de bucles o vectoriza cálculos. Debe conservar el comportamiento observable permitido por el lenguaje. Si el estándar deja una conducta indefinida, el compilador puede asumir que no ocurre; depender de ella produce resultados sorprendentes al cambiar de versión u opción.
Optimizar más no garantiza ejecutar más rápido. Aumentar tamaño puede perjudicar caché, vectorizar añade costes iniciales y una transformación útil en un procesador puede fallar en otro. Perfiles reales guían optimización basada en ejecución. Los algoritmos elegidos suelen importar más que exprimir unas instrucciones.
Registros, bibliotecas y el programa final
El backend selecciona instrucciones, asigna valores a registros y ordena operaciones según la arquitectura. Si faltan registros, guarda temporales en memoria. El ensamblador convierte mnemónicos en código objeto. Después, el enlazador resuelve referencias entre archivos y bibliotecas, reubica direcciones y produce un ejecutable o módulo compartido.
La carga dinámica puede resolver bibliotecas al iniciar o durante la ejecución. Un JIT compila con información del programa vivo y vuelve a optimizar funciones frecuentes, a cambio de calentamiento y memoria. La representación binaria final contiene instrucciones y datos, pero también símbolos, metadatos y convenciones. Comprender la cadena ayuda a leer errores, evaluar rendimiento y no culpar al compilador de un fallo que nació en la lógica del programa.
La compilación separada acelera proyectos grandes: cada archivo fuente produce un objeto y solo se recompila lo que cambió. Cabeceras, módulos y sistemas de construcción describen dependencias, aunque una configuración incorrecta puede enlazar una versión vieja. La compilación cruzada genera código para una arquitectura distinta de la máquina que ejecuta el compilador, esencial para móviles, microcontroladores y sistemas operativos. Después hacen falta bibliotecas y herramientas compatibles con el destino.
Los mensajes de error forman parte del producto. Un compilador puede detenerse en el primer fallo o recuperarse para mostrar varios, pero un error sintáctico inicial provoca diagnósticos secundarios engañosos. Incluir línea, fragmento y expectativa reduce tiempo de búsqueda. También debe defenderse de entradas hostiles: compilar código no confiable consume memoria y procesa formatos complejos. Reproducibilidad y una cadena de herramientas verificada son requisitos de seguridad, no detalles académicos.
El orden de evaluación es otro límite. En algunos lenguajes está fijado; en otros, varias expresiones pueden ejecutarse en distinto orden. Una optimización puede reordenar instrucciones siempre que respete las garantías observables. Con concurrencia, memoria atómica y barreras añaden reglas para que hilos compartan datos. El código que funciona por casualidad en una arquitectura puede fallar tras compilar para otra, incluso si ambas aceptan las mismas fuentes.
