Fase en que la cadena de caracteres del programa fuente se lee de izquierda a derecha y se agrupa en componentes, que son secuencias de caracteres que tienen un significado atómico.
Utiliza los tokens para crear una representación intermedia en forma de árbol que describa la estructura gramatical del flujo de tokens.
Utiliza el árbol sintáctico y la tabla de símbolos para comprobar la consistencia semántica del programa fuente con la definición del lenguaje.
Es el proceso de traducir un programa fuente a código destino, un compilador puede o no construir una o mas representaciones intermedias, las cuales pueden tener una variedad de formas.
Fase independientemente de la maquina trata de mejorar el código intermedio, de manera que se produzca un mejor código destino.
Si el lenguaje destino es código máquina, se seleccionan registros y localidades de memoria para cada una de las variables que utiliza el programa.