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