simgear/nasal/lex.c

   1 #include "parse.h"
   2
   3 // Static table of recognized lexemes in the language
   4 struct Lexeme {
   5     char* str;
   6     int   tok;
   7 } LEXEMES[] = {
   8     {"and", TOK_AND},
   9     {"or",  TOK_OR},
  10     {"!",   TOK_NOT},
  11     {"(", TOK_LPAR},
  12     {")", TOK_RPAR},
  13     {"[", TOK_LBRA},
  14     {"]", TOK_RBRA},
  15     {"{", TOK_LCURL},
  16     {"}", TOK_RCURL},
  17     {"*", TOK_MUL},
  18     {"+", TOK_PLUS},
  19     {"-", TOK_MINUS},
  20     {"/", TOK_DIV},
  21     {"~", TOK_CAT},
  22     {":", TOK_COLON},
  23     {".", TOK_DOT},
  24     {",", TOK_COMMA},
  25     {";", TOK_SEMI},
  26     {"=", TOK_ASSIGN},
  27     {"<",  TOK_LT},
  28     {"<=", TOK_LTE},
  29     {"==", TOK_EQ},
  30     {"!=", TOK_NEQ},
  31     {">",  TOK_GT},
  32     {">=", TOK_GTE},
  33     {"nil", TOK_NIL},
  34     {"if",    TOK_IF},
  35     {"elsif", TOK_ELSIF},
  36     {"else",  TOK_ELSE},
  37     {"for",     TOK_FOR},
  38     {"foreach", TOK_FOREACH},
  39     {"while",   TOK_WHILE},
  40     {"return",   TOK_RETURN},
  41     {"break",    TOK_BREAK},
  42     {"continue", TOK_CONTINUE},
  43     {"func", TOK_FUNC},
  44     {"...", TOK_ELLIPSIS},
  45     {"?", TOK_QUESTION},
  46     {"var", TOK_VAR},
  47 };
  48
  49 // Build a table of where each line ending is
  50 static int* findLines(struct Parser* p)
  51 {
  52     char* buf = p->buf;
  53     int sz = p->len/10 + 16;
  54     int* lines = naParseAlloc(p, (sizeof(int) * sz));
  55     int i, j, n=0;
  56
  57     for(i=0; i<p->len; i++) {
  58         // Not a line ending at all
  59         if(buf[i] != '\n' && buf[i] != '\r')
  60             continue;
  61
  62         // Skip over the \r of a \r\n pair.
  63         if(buf[i] == '\r' && (i+1)<p->len && buf[i+1] == '\n') {
  64             continue;
  65         }
  66         // Reallocate if necessary
  67         if(n == sz) {
  68             int* nl;
  69             sz *= 2;
  70             nl = naParseAlloc(p, sizeof(int) * sz);
  71             for(j=0; j<n; j++) nl[j] = lines[j];
  72             lines = nl;
  73         }
  74         lines[n++] = i;
  75     }
  76     p->lines = lines;
  77     p->nLines = n;
  78     return lines;
  79 }
  80
  81 // What line number is the index on?
  82 static int getLine(struct Parser* p, int index)
  83 {
  84     int i;
  85     for(i=0; i<p->nLines; i++)
  86         if(p->lines[i] > index)
  87             return (p->firstLine-1) + i+1;
  88     return (p->firstLine-1) + p->nLines+1;
  89 }
  90
  91 static void error(struct Parser* p, char* msg, int index)
  92 {
  93     naParseError(p, msg, getLine(p, index));
  94 }
  95
  96 // End index (the newline character) of the given line
  97 static int lineEnd(struct Parser* p, int line)
  98 {
  99     if(line > p->nLines) return p->len;
 100     return p->lines[line-1];
 101 }
 102
 103 static void newToken(struct Parser* p, int pos, int type,
 104                      char* str, int slen, double num)
 105 {
 106     struct Token* tok;
 107
 108     tok = naParseAlloc(p, sizeof(struct Token));
 109     tok->type = type;
 110     tok->line = getLine(p, pos);
 111     tok->str = str;
 112     tok->strlen = slen;
 113     tok->num = num;
 114     tok->parent = &p->tree;
 115     tok->next = 0;
 116     tok->prev = p->tree.lastChild;
 117     tok->children = 0;
 118     tok->lastChild = 0;
 119
 120     // Context sensitivity hack: a "-" following a binary operator of
 121     // higher precedence (MUL and DIV, basically) must be a unary
 122     // negation.  Needed to get precedence right in the parser for
 123     // expressiong like "a * -2"
 124     if(type == TOK_MINUS && tok->prev)
 125         if(tok->prev->type == TOK_MUL || tok->prev->type == TOK_DIV)
 126             tok->type = type = TOK_NEG;
 127
 128     if(!p->tree.children) p->tree.children = tok;
 129     if(p->tree.lastChild) p->tree.lastChild->next = tok;
 130     p->tree.lastChild = tok;
 131 }
 132
 133 // Parse a hex nibble
 134 static int hexc(char c, struct Parser* p, int index)
 135 {
 136     if(c >= '0' && c <= '9') return c - '0';
 137     if(c >= 'A' && c <= 'F') return c - 'A' + 10;
 138     if(c >= 'a' && c <= 'f') return c - 'a' + 10;
 139     error(p, "bad hex constant", index);
 140     return 0;
 141 }
 142
 143 // Escape and returns a single backslashed expression in a single
 144 // quoted string.  Trivial, just escape \' and leave everything else
 145 // alone.
 146 static void sqEscape(char* buf, int len, int index, struct Parser* p,
 147                      char* cOut, int* eatenOut)
 148 {
 149     if(len < 2) error(p, "unterminated string", index);
 150     if(buf[1] == '\'') {
 151         *cOut = '\'';
 152         *eatenOut = 2;
 153     } else {
 154         *cOut = '\\';
 155         *eatenOut = 1;
 156     }
 157 }
 158
 159 // Ditto, but more complicated for double quotes.
 160 static void dqEscape(char* buf, int len, int index, struct Parser* p,
 161                      char* cOut, int* eatenOut)
 162 {
 163     if(len < 2) error(p, "unterminated string", index);
 164     *eatenOut = 2;
 165     switch(buf[1]) {
 166     case '"': *cOut = '"'; break;
 167     case 'r': *cOut = '\r'; break;
 168     case 'n': *cOut = '\n'; break;
 169     case 't': *cOut = '\t'; break;
 170     case '\\': *cOut = '\\'; break;
 171     case 'x':
 172         if(len < 4) error(p, "unterminated string", index);
 173         *cOut = (char)((hexc(buf[2], p, index)<<4) | hexc(buf[3], p, index));
 174         *eatenOut = 4;
 175         break;
 176     default:
 177         // Unhandled, put the backslash back
 178         *cOut = '\\';
 179         *eatenOut = 1;
 180     }
 181 }
 182
 183 // Read in a string literal
 184 static int lexStringLiteral(struct Parser* p, int index, int singleQuote)
 185 {
 186     int i, j, len, iteration;
 187     char* out = 0;
 188     char* buf = p->buf;
 189     char endMark = singleQuote ? '\'' : '"';
 190
 191     for(iteration = 0; iteration<2; iteration++) {
 192         i = index+1;
 193         j = len = 0;
 194         while(i < p->len) {
 195             char c = buf[i];
 196             int eaten = 1;
 197             if(c == endMark)
 198                 break;
 199             if(c == '\\') {
 200                 if(singleQuote) sqEscape(buf+i, p->len-i, i, p, &c, &eaten);
 201                 else            dqEscape(buf+i, p->len-i, i, p, &c, &eaten);
 202             }
 203             if(iteration == 1) out[j++] = c;
 204             i += eaten;
 205             len++;
 206         }
 207         // Finished stage one -- allocate the buffer for stage two
 208         if(iteration == 0) out = naParseAlloc(p, len);
 209     }
 210     newToken(p, index, TOK_LITERAL, out, len, 0);
 211     return i+1;
 212 }
 213
 214 static int lexNumLiteral(struct Parser* p, int index)
 215 {
 216     int len = p->len, i = index;
 217     unsigned char* buf = p->buf;
 218     double d;
 219
 220     while(i<len && buf[i] >= '0' && buf[i] <= '9') i++;
 221     if(i<len && buf[i] == '.') {
 222         i++;
 223         while(i<len && buf[i] >= '0' && buf[i] <= '9') i++;
 224     }
 225     if(i<len && (buf[i] == 'e' || buf[i] == 'E')) {
 226         i++;
 227         if(i<len
 228            && (buf[i] == '-' || buf[i] == '+')
 229            && (i+1<len && buf[i+1] >= '0' && buf[i+1] <= '9')) i++;
 230         while(i<len && buf[i] >= '0' && buf[i] <= '9') i++;
 231     }
 232     naStr_parsenum(p->buf + index, i - index, &d);
 233     newToken(p, index, TOK_LITERAL, 0, 0, d);
 234     return i;
 235 }
 236
 237 static int trySymbol(struct Parser* p, int start)
 238 {
 239     int i = start;
 240     while((i < p->len) &&
 241           ((p->buf[i] == '_') ||
 242            (p->buf[i] >= 'A' && p->buf[i] <= 'Z') ||
 243            (p->buf[i] >= 'a' && p->buf[i] <= 'z') ||
 244            (p->buf[i] >= '0' && p->buf[i] <= '9')))
 245     { i++; }
 246     return i-start;
 247 }
 248
 249 // Returns the length of lexeme l if the buffer prefix matches, or
 250 // else zero.
 251 static int matchLexeme(char* buf, int len, char* l)
 252 {
 253     int i;
 254     for(i=0; i<len; i++) {
 255         if(l[i] == 0)      return i;
 256         if(l[i] != buf[i]) return 0;
 257     }
 258     // Ran out of buffer.  This is still OK if we're also at the end
 259     // of the lexeme.
 260     if(l[i] == 0) return i;
 261     return 0;
 262 }
 263
 264 // This is dumb and algorithmically slow.  It would be much more
 265 // elegant to sort and binary search the lexeme list, but that's a lot
 266 // more code and this really isn't very slow in practice; it checks
 267 // every byte of every lexeme for each input byte.  There are less
 268 // than 100 bytes of lexemes in the grammar.  Returns the number of
 269 // bytes in the lexeme read (or zero if none was recognized)
 270 static int tryLexemes(struct Parser* p, int index, int* lexemeOut)
 271 {
 272     int i, n, best, bestIndex=-1;
 273     char* start = p->buf + index;
 274     int len = p->len - index;
 275
 276     n = sizeof(LEXEMES) / sizeof(struct Lexeme);
 277     best = 0;
 278     for(i=0; i<n; i++) {
 279         int l = matchLexeme(start, len, LEXEMES[i].str);
 280         if(l > best) {
 281             best = l;
 282             bestIndex = i;
 283         }
 284     }
 285     if(best > 0) *lexemeOut = bestIndex;
 286     return best;
 287 }
 288
 289 void naLex(struct Parser* p)
 290 {
 291     int i = 0;
 292     findLines(p);
 293     while(i<p->len) {
 294         char c = p->buf[i];
 295
 296         // Whitespace, comments and string literals have obvious
 297         // markers and can be handled by a switch:
 298         int handled = 1;
 299         switch(c) {
 300         case ' ': case '\t': case '\n': case '\r': case '\f': case '\v':
 301             i++;
 302             break;
 303         case '#':
 304             i = lineEnd(p, getLine(p, i));
 305             break;
 306         case '\'': case '"':
 307             i = lexStringLiteral(p, i, (c=='"' ? 0 : 1));
 308             break;
 309         default:
 310             if(c >= '0' && c <= '9') i = lexNumLiteral(p, i);
 311             else                     handled = 0;
 312         }
 313
 314         // Lexemes and symbols are a little more complicated.  Pick
 315         // the longest one that matches.  Since some lexemes look like
 316         // symbols (e.g. "or") they need a higher precedence, but we
 317         // don't want a lexeme match to clobber the beginning of a
 318         // symbol (e.g. "orchid").  If neither match, we have a bad
 319         // character in the mix.
 320         if(!handled) {
 321             int symlen=0, lexlen=0, lexeme;
 322             lexlen = tryLexemes(p, i, &lexeme);
 323             if((c>='A' && c<='Z') || (c>='a' && c<='z') || (c=='_'))
 324                 symlen = trySymbol(p, i);
 325             if(lexlen && lexlen >= symlen) {
 326                 newToken(p, i, LEXEMES[lexeme].tok, 0, 0, 0);
 327                 i += lexlen;
 328             } else if(symlen) {
 329                 newToken(p, i, TOK_SYMBOL, p->buf+i, symlen, 0);
 330                 i += symlen;
 331             } else {
 332                 error(p, "illegal character", i);
 333             }
 334         }
 335     }
 336 }