mirror of https://github.com/x64dbg/btparser
refactor (moved Lexer to separate file)
This commit is contained in:
parent
8365d3444b
commit
547b65b284
|
|
@ -20,6 +20,7 @@
|
||||||
</ItemGroup>
|
</ItemGroup>
|
||||||
<ItemGroup>
|
<ItemGroup>
|
||||||
<ClCompile Include="filehelper.cpp" />
|
<ClCompile Include="filehelper.cpp" />
|
||||||
|
<ClCompile Include="lexer.cpp" />
|
||||||
<ClCompile Include="main.cpp" />
|
<ClCompile Include="main.cpp" />
|
||||||
<ClCompile Include="stringutils.cpp" />
|
<ClCompile Include="stringutils.cpp" />
|
||||||
</ItemGroup>
|
</ItemGroup>
|
||||||
|
|
@ -28,6 +29,7 @@
|
||||||
<ClInclude Include="filehelper.h" />
|
<ClInclude Include="filehelper.h" />
|
||||||
<ClInclude Include="handle.h" />
|
<ClInclude Include="handle.h" />
|
||||||
<ClInclude Include="keywords.h" />
|
<ClInclude Include="keywords.h" />
|
||||||
|
<ClInclude Include="lexer.h" />
|
||||||
<ClInclude Include="operators.h" />
|
<ClInclude Include="operators.h" />
|
||||||
<ClInclude Include="stringutils.h" />
|
<ClInclude Include="stringutils.h" />
|
||||||
<ClInclude Include="testfiles.h" />
|
<ClInclude Include="testfiles.h" />
|
||||||
|
|
|
||||||
|
|
@ -24,6 +24,9 @@
|
||||||
<ClCompile Include="stringutils.cpp">
|
<ClCompile Include="stringutils.cpp">
|
||||||
<Filter>Source Files</Filter>
|
<Filter>Source Files</Filter>
|
||||||
</ClCompile>
|
</ClCompile>
|
||||||
|
<ClCompile Include="lexer.cpp">
|
||||||
|
<Filter>Source Files</Filter>
|
||||||
|
</ClCompile>
|
||||||
</ItemGroup>
|
</ItemGroup>
|
||||||
<ItemGroup>
|
<ItemGroup>
|
||||||
<ClInclude Include="filehelper.h">
|
<ClInclude Include="filehelper.h">
|
||||||
|
|
@ -47,5 +50,8 @@
|
||||||
<ClInclude Include="operators.h">
|
<ClInclude Include="operators.h">
|
||||||
<Filter>Header Files</Filter>
|
<Filter>Header Files</Filter>
|
||||||
</ClInclude>
|
</ClInclude>
|
||||||
|
<ClInclude Include="lexer.h">
|
||||||
|
<Filter>Header Files</Filter>
|
||||||
|
</ClInclude>
|
||||||
</ItemGroup>
|
</ItemGroup>
|
||||||
</Project>
|
</Project>
|
||||||
|
|
@ -0,0 +1,499 @@
|
||||||
|
#include "lexer.h"
|
||||||
|
#include "stringutils.h"
|
||||||
|
#include <cctype>
|
||||||
|
#include "filehelper.h"
|
||||||
|
|
||||||
|
#define MAKE_OP_TRIPLE(ch1, ch2, ch3) (ch3 << 16 | ch2 << 8 | ch1)
|
||||||
|
#define MAKE_OP_DOUBLE(ch1, ch2) (ch2 << 8 | ch1)
|
||||||
|
#define MAKE_OP_SINGLE(ch1) (ch1)
|
||||||
|
#define DEFAULT_STRING_BUFFER 65536
|
||||||
|
|
||||||
|
static void clearReserve(std::string & str, size_t reserve = DEFAULT_STRING_BUFFER)
|
||||||
|
{
|
||||||
|
str.clear();
|
||||||
|
str.reserve(reserve);
|
||||||
|
}
|
||||||
|
|
||||||
|
static void appendCh(std::string & str, char ch)
|
||||||
|
{
|
||||||
|
str.resize(str.size() + 1);
|
||||||
|
str[str.size() - 1] = ch;
|
||||||
|
}
|
||||||
|
|
||||||
|
static const char* convertNumber(const char* str, uint64_t & result, int radix)
|
||||||
|
{
|
||||||
|
errno = 0;
|
||||||
|
char* end;
|
||||||
|
result = strtoull(str, &end, radix);
|
||||||
|
if (!result && end == str)
|
||||||
|
return "not a number";
|
||||||
|
if (result == ULLONG_MAX && errno)
|
||||||
|
return "does not fit";
|
||||||
|
if (*end)
|
||||||
|
return "str not completely consumed";
|
||||||
|
return nullptr;
|
||||||
|
}
|
||||||
|
|
||||||
|
Lexer::Lexer()
|
||||||
|
{
|
||||||
|
setupTokenMaps();
|
||||||
|
}
|
||||||
|
|
||||||
|
bool Lexer::ReadInputFile(const std::string & filename)
|
||||||
|
{
|
||||||
|
resetLexerState();
|
||||||
|
return FileHelper::ReadAllData(filename, mInput);
|
||||||
|
}
|
||||||
|
|
||||||
|
bool Lexer::DoLexing(std::vector<TokenState> & tokens, std::string & error)
|
||||||
|
{
|
||||||
|
while (true)
|
||||||
|
{
|
||||||
|
auto token = getToken();
|
||||||
|
mState.Token = token;
|
||||||
|
if (token == tok_eof)
|
||||||
|
break;
|
||||||
|
if (token == tok_error)
|
||||||
|
{
|
||||||
|
error = StringUtils::sprintf("line %d, col %d: %s", mState.CurLine + 1, mState.LineIndex, mError.c_str());
|
||||||
|
return false;
|
||||||
|
}
|
||||||
|
tokens.push_back(mState);
|
||||||
|
}
|
||||||
|
return true;
|
||||||
|
}
|
||||||
|
|
||||||
|
bool Lexer::Test(const std::function<void(const std::string & line)> & lexEnum, bool output)
|
||||||
|
{
|
||||||
|
size_t line = 0;
|
||||||
|
if (output)
|
||||||
|
lexEnum("1: ");
|
||||||
|
Token tok;
|
||||||
|
std::string toks;
|
||||||
|
clearReserve(toks);
|
||||||
|
char newlineText[128] = "";
|
||||||
|
do
|
||||||
|
{
|
||||||
|
tok = getToken();
|
||||||
|
if (!output)
|
||||||
|
continue;
|
||||||
|
toks.clear();
|
||||||
|
while (line < mState.CurLine)
|
||||||
|
{
|
||||||
|
line++;
|
||||||
|
sprintf_s(newlineText, "\n%d: ", line + 1);
|
||||||
|
toks.append(newlineText);
|
||||||
|
}
|
||||||
|
toks.append(tokString(tok));
|
||||||
|
appendCh(toks, ' ');
|
||||||
|
lexEnum(toks);
|
||||||
|
} while (tok != tok_eof && tok != tok_error);
|
||||||
|
if (tok != tok_error && tok != tok_eof)
|
||||||
|
tok = reportError("lexer did not finish at the end of the file");
|
||||||
|
for (const auto& warning : mWarnings)
|
||||||
|
if (output)
|
||||||
|
lexEnum("\nwarning: " + warning);
|
||||||
|
return tok != tok_error;
|
||||||
|
}
|
||||||
|
|
||||||
|
Lexer::Token Lexer::getToken()
|
||||||
|
{
|
||||||
|
//skip whitespace
|
||||||
|
while (isspace(mLastChar))
|
||||||
|
{
|
||||||
|
if (mLastChar == '\n')
|
||||||
|
signalNewLine();
|
||||||
|
nextChar();
|
||||||
|
}
|
||||||
|
|
||||||
|
//skip \\[\r\n]
|
||||||
|
if (mLastChar == '\\' && (peekChar() == '\r' || peekChar() == '\n'))
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
return getToken();
|
||||||
|
}
|
||||||
|
|
||||||
|
//character literal
|
||||||
|
if (mLastChar == '\'')
|
||||||
|
{
|
||||||
|
std::string charLit;
|
||||||
|
while (true)
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
if (mLastChar == EOF) //end of file
|
||||||
|
return reportError("unexpected end of file in character literal (1)");
|
||||||
|
if (mLastChar == '\r' || mLastChar == '\n')
|
||||||
|
return reportError("unexpected newline in character literal (1)");
|
||||||
|
if (mLastChar == '\'') //end of character literal
|
||||||
|
{
|
||||||
|
if (charLit.length() != 1)
|
||||||
|
return reportError(StringUtils::sprintf("invalid character literal '%s'", charLit.c_str()));
|
||||||
|
mState.CharLit = charLit[0];
|
||||||
|
nextChar();
|
||||||
|
return tok_charlit;
|
||||||
|
}
|
||||||
|
if (mLastChar == '\\') //escape sequence
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
if (mLastChar == EOF)
|
||||||
|
return reportError("unexpected end of file in character literal (2)");
|
||||||
|
if (mLastChar == '\r' || mLastChar == '\n')
|
||||||
|
return reportError("unexpected newline in character literal (2)");
|
||||||
|
if (mLastChar == '\'' || mLastChar == '\"' || mLastChar == '?' || mLastChar == '\\')
|
||||||
|
mLastChar = mLastChar;
|
||||||
|
else if (mLastChar == 'a')
|
||||||
|
mLastChar = '\a';
|
||||||
|
else if (mLastChar == 'b')
|
||||||
|
mLastChar = '\b';
|
||||||
|
else if (mLastChar == 'f')
|
||||||
|
mLastChar = '\f';
|
||||||
|
else if (mLastChar == 'n')
|
||||||
|
mLastChar = '\n';
|
||||||
|
else if (mLastChar == 'r')
|
||||||
|
mLastChar = '\r';
|
||||||
|
else if (mLastChar == 't')
|
||||||
|
mLastChar = '\t';
|
||||||
|
else if (mLastChar == 'v')
|
||||||
|
mLastChar = '\v';
|
||||||
|
else if (mLastChar == '0')
|
||||||
|
mLastChar = '\0';
|
||||||
|
else if (mLastChar == 'x') //\xHH
|
||||||
|
{
|
||||||
|
auto ch1 = nextChar();
|
||||||
|
auto ch2 = nextChar();
|
||||||
|
if (isxdigit(ch1) && isxdigit(ch2))
|
||||||
|
{
|
||||||
|
char byteStr[3] = "";
|
||||||
|
byteStr[0] = ch1;
|
||||||
|
byteStr[1] = ch2;
|
||||||
|
uint64_t hexData;
|
||||||
|
auto error = convertNumber(byteStr, hexData, 16);
|
||||||
|
if (error)
|
||||||
|
return reportError(StringUtils::sprintf("convertNumber failed (%s) for hex sequence \"\\x%c%c\" in character literal", error, ch1, ch2));
|
||||||
|
mLastChar = hexData & 0xFF;
|
||||||
|
}
|
||||||
|
else
|
||||||
|
return reportError(StringUtils::sprintf("invalid hex sequence \"\\x%c%c\" in character literal", ch1, ch2));
|
||||||
|
}
|
||||||
|
else
|
||||||
|
return reportError(StringUtils::sprintf("invalid escape sequence \"\\%c\" in character literal", mLastChar));
|
||||||
|
}
|
||||||
|
charLit += mLastChar;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
//string literal
|
||||||
|
if (mLastChar == '\"')
|
||||||
|
{
|
||||||
|
mState.StringLit.clear();
|
||||||
|
while (true)
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
if (mLastChar == EOF) //end of file
|
||||||
|
return reportError("unexpected end of file in string literal (1)");
|
||||||
|
if (mLastChar == '\r' || mLastChar == '\n')
|
||||||
|
return reportError("unexpected newline in string literal (1)");
|
||||||
|
if (mLastChar == '\"') //end of string literal
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
return tok_stringlit;
|
||||||
|
}
|
||||||
|
if (mLastChar == '\\') //escape sequence
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
if (mLastChar == EOF)
|
||||||
|
return reportError("unexpected end of file in string literal (2)");
|
||||||
|
if (mLastChar == '\r' || mLastChar == '\n')
|
||||||
|
return reportError("unexpected newline in string literal (2)");
|
||||||
|
if (mLastChar == '\'' || mLastChar == '\"' || mLastChar == '?' || mLastChar == '\\')
|
||||||
|
mLastChar = mLastChar;
|
||||||
|
else if (mLastChar == 'a')
|
||||||
|
mLastChar = '\a';
|
||||||
|
else if (mLastChar == 'b')
|
||||||
|
mLastChar = '\b';
|
||||||
|
else if (mLastChar == 'f')
|
||||||
|
mLastChar = '\f';
|
||||||
|
else if (mLastChar == 'n')
|
||||||
|
mLastChar = '\n';
|
||||||
|
else if (mLastChar == 'r')
|
||||||
|
mLastChar = '\r';
|
||||||
|
else if (mLastChar == 't')
|
||||||
|
mLastChar = '\t';
|
||||||
|
else if (mLastChar == 'v')
|
||||||
|
mLastChar = '\v';
|
||||||
|
else if (mLastChar == '0')
|
||||||
|
mLastChar = '\0';
|
||||||
|
else if (mLastChar == 'x') //\xHH
|
||||||
|
{
|
||||||
|
auto ch1 = nextChar();
|
||||||
|
auto ch2 = nextChar();
|
||||||
|
if (isxdigit(ch1) && isxdigit(ch2))
|
||||||
|
{
|
||||||
|
char byteStr[3] = "";
|
||||||
|
byteStr[0] = ch1;
|
||||||
|
byteStr[1] = ch2;
|
||||||
|
uint64_t hexData;
|
||||||
|
auto error = convertNumber(byteStr, hexData, 16);
|
||||||
|
if (error)
|
||||||
|
return reportError(StringUtils::sprintf("convertNumber failed (%s) for hex sequence \"\\x%c%c\" in string literal", error, ch1, ch2));
|
||||||
|
mLastChar = hexData & 0xFF;
|
||||||
|
}
|
||||||
|
else
|
||||||
|
return reportError(StringUtils::sprintf("invalid hex sequence \"\\x%c%c\" in string literal", ch1, ch2));
|
||||||
|
}
|
||||||
|
else
|
||||||
|
return reportError(StringUtils::sprintf("invalid escape sequence \"\\%c\" in string literal", mLastChar));
|
||||||
|
}
|
||||||
|
appendCh(mState.StringLit, mLastChar);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
//identifier/keyword
|
||||||
|
if (isalpha(mLastChar) || mLastChar == '_') //[a-zA-Z_]
|
||||||
|
{
|
||||||
|
mState.IdentifierStr = mLastChar;
|
||||||
|
nextChar();
|
||||||
|
while (isalnum(mLastChar) || mLastChar == '_') //[0-9a-zA-Z_]
|
||||||
|
{
|
||||||
|
appendCh(mState.IdentifierStr, mLastChar);
|
||||||
|
nextChar();
|
||||||
|
}
|
||||||
|
|
||||||
|
//keywords
|
||||||
|
auto found = mKeywordMap.find(mState.IdentifierStr);
|
||||||
|
if (found != mKeywordMap.end())
|
||||||
|
return found->second;
|
||||||
|
|
||||||
|
return tok_identifier;
|
||||||
|
}
|
||||||
|
|
||||||
|
//hex numbers
|
||||||
|
if (mLastChar == '0' && peekChar() == 'x') //0x
|
||||||
|
{
|
||||||
|
nextChar(); //consume the 'x'
|
||||||
|
mNumStr.clear();
|
||||||
|
|
||||||
|
while (isxdigit(nextChar())) //[0-9a-fA-F]*
|
||||||
|
appendCh(mNumStr, mLastChar);
|
||||||
|
|
||||||
|
if (!mNumStr.length()) //check for error condition
|
||||||
|
return reportError("no hex digits after \"0x\" prefix");
|
||||||
|
|
||||||
|
auto error = convertNumber(mNumStr.c_str(), mState.NumberVal, 16);
|
||||||
|
if (error)
|
||||||
|
return reportError(StringUtils::sprintf("convertNumber failed (%s) on hexadecimal number", error));
|
||||||
|
mIsHexNumberVal = true;
|
||||||
|
return tok_number;
|
||||||
|
}
|
||||||
|
if (isdigit(mLastChar)) //[0-9]
|
||||||
|
{
|
||||||
|
mNumStr = mLastChar;
|
||||||
|
|
||||||
|
while (isdigit(nextChar())) //[0-9]*
|
||||||
|
mNumStr += mLastChar;
|
||||||
|
|
||||||
|
auto error = convertNumber(mNumStr.c_str(), mState.NumberVal, 10);
|
||||||
|
if (error)
|
||||||
|
return reportError(StringUtils::sprintf("convertNumber failed (%s) on decimal number", error));
|
||||||
|
mIsHexNumberVal = false;
|
||||||
|
return tok_number;
|
||||||
|
}
|
||||||
|
|
||||||
|
//comments
|
||||||
|
if (mLastChar == '/' && peekChar() == '/') //line comment
|
||||||
|
{
|
||||||
|
do
|
||||||
|
{
|
||||||
|
if (mLastChar == '\n')
|
||||||
|
signalNewLine();
|
||||||
|
nextChar();
|
||||||
|
} while (!(mLastChar == EOF || mLastChar == '\n'));
|
||||||
|
|
||||||
|
return getToken(); //interpret the next line
|
||||||
|
}
|
||||||
|
if (mLastChar == '/' && peekChar() == '*') //block comment
|
||||||
|
{
|
||||||
|
do
|
||||||
|
{
|
||||||
|
if (mLastChar == '\n')
|
||||||
|
signalNewLine();
|
||||||
|
nextChar();
|
||||||
|
} while (!(mLastChar == EOF || mLastChar == '*' && peekChar() == '/'));
|
||||||
|
|
||||||
|
if (mLastChar == EOF) //unexpected end of file
|
||||||
|
{
|
||||||
|
mState.LineIndex++;
|
||||||
|
return reportError("unexpected end of file in block comment");
|
||||||
|
}
|
||||||
|
|
||||||
|
nextChar();
|
||||||
|
nextChar();
|
||||||
|
return getToken(); //get the next non-comment token
|
||||||
|
}
|
||||||
|
|
||||||
|
//operators
|
||||||
|
auto opFound = mOpTripleMap.find(MAKE_OP_TRIPLE(mLastChar, peekChar(), peekChar(1)));
|
||||||
|
if (opFound != mOpTripleMap.end())
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
nextChar();
|
||||||
|
nextChar();
|
||||||
|
return opFound->second;
|
||||||
|
}
|
||||||
|
opFound = mOpDoubleMap.find(MAKE_OP_DOUBLE(mLastChar, peekChar()));
|
||||||
|
if (opFound != mOpDoubleMap.end())
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
nextChar();
|
||||||
|
return opFound->second;
|
||||||
|
}
|
||||||
|
opFound = mOpSingleMap.find(MAKE_OP_SINGLE(mLastChar));
|
||||||
|
if (opFound != mOpSingleMap.end())
|
||||||
|
{
|
||||||
|
nextChar();
|
||||||
|
return opFound->second;
|
||||||
|
}
|
||||||
|
|
||||||
|
//end of file
|
||||||
|
if (mLastChar == EOF)
|
||||||
|
return tok_eof;
|
||||||
|
|
||||||
|
//unknown character
|
||||||
|
return reportError(StringUtils::sprintf("unexpected character \'%c\'", mLastChar));
|
||||||
|
}
|
||||||
|
|
||||||
|
Lexer::Token Lexer::reportError(const std::string & error)
|
||||||
|
{
|
||||||
|
mError = error;
|
||||||
|
return tok_error;
|
||||||
|
}
|
||||||
|
|
||||||
|
int Lexer::nextChar()
|
||||||
|
{
|
||||||
|
return mLastChar = readChar();
|
||||||
|
}
|
||||||
|
|
||||||
|
void Lexer::reportWarning(const std::string & warning)
|
||||||
|
{
|
||||||
|
mWarnings.push_back(warning);
|
||||||
|
}
|
||||||
|
|
||||||
|
void Lexer::resetLexerState()
|
||||||
|
{
|
||||||
|
mInput.clear();
|
||||||
|
mInput.reserve(1024 * 1024);
|
||||||
|
mIndex = 0;
|
||||||
|
mError.clear();
|
||||||
|
mWarnings.clear();
|
||||||
|
clearReserve(mState.IdentifierStr);
|
||||||
|
mState.NumberVal = 0;
|
||||||
|
mIsHexNumberVal = false;
|
||||||
|
clearReserve(mState.StringLit);
|
||||||
|
clearReserve(mNumStr, 16);
|
||||||
|
mState.CharLit = '\0';
|
||||||
|
mLastChar = ' ';
|
||||||
|
mState.CurLine = 0;
|
||||||
|
mState.LineIndex = 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
void Lexer::setupTokenMaps()
|
||||||
|
{
|
||||||
|
//setup keyword map
|
||||||
|
#define DEF_KEYWORD(keyword) mKeywordMap[#keyword] = tok_##keyword;
|
||||||
|
#include "keywords.h"
|
||||||
|
#undef DEF_KEYWORD
|
||||||
|
|
||||||
|
//setup token maps
|
||||||
|
#define DEF_OP_TRIPLE(enumval, ch1, ch2, ch3) mOpTripleMap[MAKE_OP_TRIPLE(ch1, ch2, ch3)] = tok_##enumval;
|
||||||
|
#define DEF_OP_DOUBLE(enumval, ch1, ch2) mOpDoubleMap[MAKE_OP_DOUBLE(ch1, ch2)] = tok_##enumval;
|
||||||
|
#define DEF_OP_SINGLE(enumval, ch1) mOpSingleMap[MAKE_OP_SINGLE(ch1)] = tok_##enumval;
|
||||||
|
#include "operators.h"
|
||||||
|
#undef DEF_OP_TRIPLE
|
||||||
|
#undef DEF_OP_DOUBLE
|
||||||
|
#undef DEF_OP_SINGLE
|
||||||
|
|
||||||
|
//setup reverse token maps
|
||||||
|
#define DEF_KEYWORD(keyword) mReverseTokenMap[tok_##keyword] = #keyword;
|
||||||
|
#include "keywords.h"
|
||||||
|
#undef DEF_KEYWORD
|
||||||
|
|
||||||
|
#define DEF_OP_TRIPLE(enumval, ch1, ch2, ch3) mReverseTokenMap[tok_##enumval] = std::string({ch1, ch2, ch3});
|
||||||
|
#define DEF_OP_DOUBLE(enumval, ch1, ch2) mReverseTokenMap[tok_##enumval] = std::string({ch1, ch2});
|
||||||
|
#define DEF_OP_SINGLE(enumval, ch1) mReverseTokenMap[tok_##enumval] = std::string({ch1});
|
||||||
|
#include "operators.h"
|
||||||
|
#undef DEF_OP_TRIPLE
|
||||||
|
#undef DEF_OP_DOUBLE
|
||||||
|
#undef DEF_OP_SINGLE
|
||||||
|
}
|
||||||
|
|
||||||
|
std::string Lexer::tokString(Token tok)
|
||||||
|
{
|
||||||
|
switch (tok)
|
||||||
|
{
|
||||||
|
case tok_eof: return "tok_eof";
|
||||||
|
case tok_error: return StringUtils::sprintf("error(line %d, col %d, \"%s\")", mState.CurLine + 1, mState.LineIndex, mError.c_str());
|
||||||
|
case tok_identifier: return mState.IdentifierStr;
|
||||||
|
case tok_number: return StringUtils::sprintf(mIsHexNumberVal ? "0x%llX" : "%llu", mState.NumberVal);
|
||||||
|
case tok_stringlit: return StringUtils::sprintf("\"%s\"", StringUtils::Escape(mState.StringLit).c_str());
|
||||||
|
case tok_charlit:
|
||||||
|
{
|
||||||
|
std::string s;
|
||||||
|
s = mState.CharLit;
|
||||||
|
return StringUtils::sprintf("'%s'", StringUtils::Escape(s).c_str());
|
||||||
|
}
|
||||||
|
default:
|
||||||
|
{
|
||||||
|
auto found = mReverseTokenMap.find(Token(tok));
|
||||||
|
if (found != mReverseTokenMap.end())
|
||||||
|
return found->second;
|
||||||
|
return "<UNKNOWN TOKEN>";
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
int Lexer::peekChar(size_t distance)
|
||||||
|
{
|
||||||
|
if (mIndex + distance >= mInput.size())
|
||||||
|
return EOF;
|
||||||
|
auto ch = mInput[mIndex + distance];
|
||||||
|
if (ch == '\0')
|
||||||
|
{
|
||||||
|
reportWarning(StringUtils::sprintf("\\0 character in file data"));
|
||||||
|
return peekChar(distance + 1);
|
||||||
|
}
|
||||||
|
return ch;
|
||||||
|
}
|
||||||
|
|
||||||
|
int Lexer::readChar()
|
||||||
|
{
|
||||||
|
if (mIndex == mInput.size())
|
||||||
|
return EOF;
|
||||||
|
auto ch = mInput[mIndex++];
|
||||||
|
mState.LineIndex++;
|
||||||
|
if (ch == '\0')
|
||||||
|
{
|
||||||
|
reportWarning(StringUtils::sprintf("\\0 character in file data"));
|
||||||
|
return readChar();
|
||||||
|
}
|
||||||
|
return ch;
|
||||||
|
}
|
||||||
|
|
||||||
|
bool Lexer::checkString(const std::string & expected)
|
||||||
|
{
|
||||||
|
for (size_t i = 0; i < expected.size(); i++)
|
||||||
|
{
|
||||||
|
auto ch = peekChar(i);
|
||||||
|
if (ch == EOF)
|
||||||
|
return false;
|
||||||
|
if (ch != uint8_t(expected[i]))
|
||||||
|
return false;
|
||||||
|
}
|
||||||
|
mIndex += expected.size();
|
||||||
|
return true;
|
||||||
|
}
|
||||||
|
|
||||||
|
void Lexer::signalNewLine()
|
||||||
|
{
|
||||||
|
mState.CurLine++;
|
||||||
|
mState.LineIndex = 0;
|
||||||
|
}
|
||||||
|
|
@ -0,0 +1,81 @@
|
||||||
|
#pragma once
|
||||||
|
|
||||||
|
#include <cstdint>
|
||||||
|
#include <vector>
|
||||||
|
#include <unordered_map>
|
||||||
|
#include <functional>
|
||||||
|
|
||||||
|
class Lexer
|
||||||
|
{
|
||||||
|
public:
|
||||||
|
enum Token
|
||||||
|
{
|
||||||
|
//status tokens
|
||||||
|
tok_eof = -10000,
|
||||||
|
tok_error,
|
||||||
|
|
||||||
|
//keywords
|
||||||
|
#define DEF_KEYWORD(keyword) tok_##keyword,
|
||||||
|
#include "keywords.h"
|
||||||
|
#undef DEF_KEYWORD
|
||||||
|
|
||||||
|
//others
|
||||||
|
tok_identifier, //[a-zA-Z_][a-zA-Z0-9_]
|
||||||
|
tok_number, //(0x[0-9a-fA-F]+)|([0-9]+)
|
||||||
|
tok_stringlit, //"([^\\"]|\\([\\"'?abfnrtv0]|x[0-9a-fA-f]{2}))*"
|
||||||
|
tok_charlit, //'([^\\]|\\([\\"'?abfnrtv0]|x[0-9a-fA-f]{2}))'
|
||||||
|
|
||||||
|
//operators
|
||||||
|
#define DEF_OP_TRIPLE(enumval, ch1, ch2, ch3) tok_##enumval,
|
||||||
|
#define DEF_OP_DOUBLE(enumval, ch1, ch2) tok_##enumval,
|
||||||
|
#define DEF_OP_SINGLE(enumval, ch1) tok_##enumval,
|
||||||
|
#include "operators.h"
|
||||||
|
#undef DEF_OP_TRIPLE
|
||||||
|
#undef DEF_OP_DOUBLE
|
||||||
|
#undef DEF_OP_SINGLE
|
||||||
|
};
|
||||||
|
|
||||||
|
struct TokenState
|
||||||
|
{
|
||||||
|
Token Token;
|
||||||
|
std::string IdentifierStr; //tok_identifier
|
||||||
|
uint64_t NumberVal = 0; //tok_number
|
||||||
|
std::string StringLit; //tok_stringlit
|
||||||
|
char CharLit = '\0'; //tok_charlit
|
||||||
|
|
||||||
|
size_t CurLine = 0;
|
||||||
|
size_t LineIndex = 0;
|
||||||
|
};
|
||||||
|
|
||||||
|
explicit Lexer();
|
||||||
|
bool ReadInputFile(const std::string & filename);
|
||||||
|
bool DoLexing(std::vector<TokenState> & tokens, std::string & error);
|
||||||
|
bool Test(const std::function<void(const std::string & line)> & lexEnum, bool output = true);
|
||||||
|
|
||||||
|
private:
|
||||||
|
TokenState mState;
|
||||||
|
std::vector<std::string> mWarnings;
|
||||||
|
std::string mError;
|
||||||
|
std::vector<uint8_t> mInput;
|
||||||
|
size_t mIndex = 0;
|
||||||
|
bool mIsHexNumberVal = false;
|
||||||
|
std::string mNumStr;
|
||||||
|
int mLastChar = ' ';
|
||||||
|
std::unordered_map<std::string, Token> mKeywordMap;
|
||||||
|
std::unordered_map<Token, std::string> mReverseTokenMap;
|
||||||
|
std::unordered_map<int, Token> mOpTripleMap;
|
||||||
|
std::unordered_map<int, Token> mOpDoubleMap;
|
||||||
|
std::unordered_map<int, Token> mOpSingleMap;
|
||||||
|
|
||||||
|
void resetLexerState();
|
||||||
|
void setupTokenMaps();
|
||||||
|
Token reportError(const std::string & error);
|
||||||
|
void reportWarning(const std::string & warning);
|
||||||
|
std::string tokString(Token tok);
|
||||||
|
int peekChar(size_t distance = 0);
|
||||||
|
int readChar();
|
||||||
|
bool checkString(const std::string & expected);
|
||||||
|
int nextChar();
|
||||||
|
void signalNewLine();
|
||||||
|
Token getToken();
|
||||||
|
};
|
||||||
|
|
@ -1,567 +1,27 @@
|
||||||
#include <windows.h>
|
#include <windows.h>
|
||||||
#include <stdio.h>
|
#include <stdio.h>
|
||||||
#include <string>
|
|
||||||
#include <stdint.h>
|
|
||||||
#include <unordered_map>
|
|
||||||
#include <functional>
|
|
||||||
#include <vector>
|
|
||||||
#include "filehelper.h"
|
|
||||||
#include "stringutils.h"
|
|
||||||
#include "testfiles.h"
|
#include "testfiles.h"
|
||||||
|
#include "lexer.h"
|
||||||
|
#include "filehelper.h"
|
||||||
|
|
||||||
#define MAKE_OP_TRIPLE(ch1, ch2, ch3) (ch3 << 16 | ch2 << 8 | ch1)
|
bool TestLexer(Lexer & lexer, const std::string & filename)
|
||||||
#define MAKE_OP_DOUBLE(ch1, ch2) (ch2 << 8 | ch1)
|
|
||||||
#define MAKE_OP_SINGLE(ch1) (ch1)
|
|
||||||
|
|
||||||
#define DEFAULT_STRING_BUFFER 65536
|
|
||||||
|
|
||||||
using namespace std;
|
|
||||||
|
|
||||||
struct Lexer
|
|
||||||
{
|
|
||||||
explicit Lexer()
|
|
||||||
{
|
|
||||||
SetupTokenMaps();
|
|
||||||
}
|
|
||||||
|
|
||||||
enum Token
|
|
||||||
{
|
|
||||||
//status tokens
|
|
||||||
tok_eof = -10000,
|
|
||||||
tok_error,
|
|
||||||
|
|
||||||
//keywords
|
|
||||||
#define DEF_KEYWORD(keyword) tok_##keyword,
|
|
||||||
#include "keywords.h"
|
|
||||||
#undef DEF_KEYWORD
|
|
||||||
|
|
||||||
//others
|
|
||||||
tok_identifier, //[a-zA-Z_][a-zA-Z0-9_]
|
|
||||||
tok_number, //(0x[0-9a-fA-F]+)|([0-9]+)
|
|
||||||
tok_stringlit, //"([^\\"]|\\([\\"'?abfnrtv0]|x[0-9a-fA-f]{2}))*"
|
|
||||||
tok_charlit, //'([^\\]|\\([\\"'?abfnrtv0]|x[0-9a-fA-f]{2}))'
|
|
||||||
|
|
||||||
//operators
|
|
||||||
#define DEF_OP_TRIPLE(enumval, ch1, ch2, ch3) tok_##enumval,
|
|
||||||
#define DEF_OP_DOUBLE(enumval, ch1, ch2) tok_##enumval,
|
|
||||||
#define DEF_OP_SINGLE(enumval, ch1) tok_##enumval,
|
|
||||||
#include "operators.h"
|
|
||||||
#undef DEF_OP_TRIPLE
|
|
||||||
#undef DEF_OP_DOUBLE
|
|
||||||
#undef DEF_OP_SINGLE
|
|
||||||
};
|
|
||||||
|
|
||||||
vector<uint8_t> Input;
|
|
||||||
size_t Index = 0;
|
|
||||||
string Error;
|
|
||||||
vector<String> Warnings;
|
|
||||||
|
|
||||||
//lexer state
|
|
||||||
string IdentifierStr;
|
|
||||||
uint64_t NumberVal = 0;
|
|
||||||
bool IsHexNumberVal = false;
|
|
||||||
string StringLit;
|
|
||||||
string NumStr;
|
|
||||||
char CharLit = '\0';
|
|
||||||
int LastChar = ' ';
|
|
||||||
size_t CurLine = 0;
|
|
||||||
size_t LineIndex = 0;
|
|
||||||
|
|
||||||
static void clearReserve(string & str, size_t reserve = DEFAULT_STRING_BUFFER)
|
|
||||||
{
|
|
||||||
str.clear();
|
|
||||||
str.reserve(reserve);
|
|
||||||
}
|
|
||||||
|
|
||||||
static void appendCh(string & str, char ch)
|
|
||||||
{
|
|
||||||
str.resize(str.size() + 1);
|
|
||||||
str[str.size() - 1] = ch;
|
|
||||||
}
|
|
||||||
|
|
||||||
void ResetLexerState()
|
|
||||||
{
|
|
||||||
Input.clear();
|
|
||||||
Input.reserve(1024 * 1024);
|
|
||||||
Index = 0;
|
|
||||||
Error.clear();
|
|
||||||
Warnings.clear();
|
|
||||||
clearReserve(IdentifierStr);
|
|
||||||
NumberVal = 0;
|
|
||||||
IsHexNumberVal = false;
|
|
||||||
clearReserve(StringLit);
|
|
||||||
clearReserve(NumStr, 16);
|
|
||||||
CharLit = '\0';
|
|
||||||
LastChar = ' ';
|
|
||||||
CurLine = 0;
|
|
||||||
LineIndex = 0;
|
|
||||||
}
|
|
||||||
|
|
||||||
unordered_map<string, Token> KeywordMap;
|
|
||||||
unordered_map<Token, string> ReverseTokenMap;
|
|
||||||
unordered_map<int, Token> OpTripleMap;
|
|
||||||
unordered_map<int, Token> OpDoubleMap;
|
|
||||||
unordered_map<int, Token> OpSingleMap;
|
|
||||||
|
|
||||||
void SetupTokenMaps()
|
|
||||||
{
|
|
||||||
//setup keyword map
|
|
||||||
#define DEF_KEYWORD(keyword) KeywordMap[#keyword] = tok_##keyword;
|
|
||||||
#include "keywords.h"
|
|
||||||
#undef DEF_KEYWORD
|
|
||||||
|
|
||||||
//setup token maps
|
|
||||||
#define DEF_OP_TRIPLE(enumval, ch1, ch2, ch3) OpTripleMap[MAKE_OP_TRIPLE(ch1, ch2, ch3)] = tok_##enumval;
|
|
||||||
#define DEF_OP_DOUBLE(enumval, ch1, ch2) OpDoubleMap[MAKE_OP_DOUBLE(ch1, ch2)] = tok_##enumval;
|
|
||||||
#define DEF_OP_SINGLE(enumval, ch1) OpSingleMap[MAKE_OP_SINGLE(ch1)] = tok_##enumval;
|
|
||||||
#include "operators.h"
|
|
||||||
#undef DEF_OP_TRIPLE
|
|
||||||
#undef DEF_OP_DOUBLE
|
|
||||||
#undef DEF_OP_SINGLE
|
|
||||||
|
|
||||||
//setup reverse token maps
|
|
||||||
#define DEF_KEYWORD(keyword) ReverseTokenMap[tok_##keyword] = #keyword;
|
|
||||||
#include "keywords.h"
|
|
||||||
#undef DEF_KEYWORD
|
|
||||||
|
|
||||||
#define DEF_OP_TRIPLE(enumval, ch1, ch2, ch3) ReverseTokenMap[tok_##enumval] = string({ch1, ch2, ch3});
|
|
||||||
#define DEF_OP_DOUBLE(enumval, ch1, ch2) ReverseTokenMap[tok_##enumval] = string({ch1, ch2});
|
|
||||||
#define DEF_OP_SINGLE(enumval, ch1) ReverseTokenMap[tok_##enumval] = string({ch1});
|
|
||||||
#include "operators.h"
|
|
||||||
#undef DEF_OP_TRIPLE
|
|
||||||
#undef DEF_OP_DOUBLE
|
|
||||||
#undef DEF_OP_SINGLE
|
|
||||||
}
|
|
||||||
|
|
||||||
Token ReportError(const String & error)
|
|
||||||
{
|
|
||||||
Error = error;
|
|
||||||
return tok_error;
|
|
||||||
}
|
|
||||||
|
|
||||||
void ReportWarning(const String & warning)
|
|
||||||
{
|
|
||||||
Warnings.push_back(warning);
|
|
||||||
}
|
|
||||||
|
|
||||||
String TokString(int tok)
|
|
||||||
{
|
|
||||||
switch (Token(tok))
|
|
||||||
{
|
|
||||||
case tok_eof: return "tok_eof";
|
|
||||||
case tok_error: return StringUtils::sprintf("error(line %d, col %d, \"%s\")", CurLine + 1, LineIndex, Error.c_str());
|
|
||||||
case tok_identifier: return IdentifierStr;
|
|
||||||
case tok_number: return StringUtils::sprintf(IsHexNumberVal ? "0x%llX" : "%llu", NumberVal);
|
|
||||||
case tok_stringlit: return StringUtils::sprintf("\"%s\"", StringUtils::Escape(StringLit).c_str());
|
|
||||||
case tok_charlit:
|
|
||||||
{
|
|
||||||
String s;
|
|
||||||
s = CharLit;
|
|
||||||
return StringUtils::sprintf("'%s'", StringUtils::Escape(s).c_str());
|
|
||||||
}
|
|
||||||
default:
|
|
||||||
{
|
|
||||||
auto found = ReverseTokenMap.find(Token(tok));
|
|
||||||
if (found != ReverseTokenMap.end())
|
|
||||||
return found->second;
|
|
||||||
return "<INVALID TOKEN>";
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
int PeekChar(size_t distance = 0)
|
|
||||||
{
|
|
||||||
if (Index + distance >= Input.size())
|
|
||||||
return EOF;
|
|
||||||
auto ch = Input[Index + distance];
|
|
||||||
if (ch == '\0')
|
|
||||||
{
|
|
||||||
ReportWarning(StringUtils::sprintf("\\0 character in file data"));
|
|
||||||
return PeekChar(distance + 1);
|
|
||||||
}
|
|
||||||
return ch;
|
|
||||||
}
|
|
||||||
|
|
||||||
int ReadChar()
|
|
||||||
{
|
|
||||||
if (Index == Input.size())
|
|
||||||
return EOF;
|
|
||||||
auto ch = Input[Index++];
|
|
||||||
LineIndex++;
|
|
||||||
if (ch == '\0')
|
|
||||||
{
|
|
||||||
ReportWarning(StringUtils::sprintf("\\0 character in file data"));
|
|
||||||
return ReadChar();
|
|
||||||
}
|
|
||||||
return ch;
|
|
||||||
}
|
|
||||||
|
|
||||||
bool CheckString(const string & expected)
|
|
||||||
{
|
|
||||||
for (size_t i = 0; i < expected.size(); i++)
|
|
||||||
{
|
|
||||||
auto ch = PeekChar(i);
|
|
||||||
if (ch == EOF)
|
|
||||||
return false;
|
|
||||||
if (ch != uint8_t(expected[i]))
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
Index += expected.size();
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
|
|
||||||
int NextChar()
|
|
||||||
{
|
|
||||||
return LastChar = ReadChar();
|
|
||||||
}
|
|
||||||
|
|
||||||
void SignalNextLine()
|
|
||||||
{
|
|
||||||
CurLine++;
|
|
||||||
LineIndex = 0;
|
|
||||||
}
|
|
||||||
|
|
||||||
static const char* ConvertNumber(const char* str, uint64_t & result, int radix)
|
|
||||||
{
|
|
||||||
errno = 0;
|
|
||||||
char* end;
|
|
||||||
result = strtoull(str, &end, radix);
|
|
||||||
if (!result && end == str)
|
|
||||||
return "not a number";
|
|
||||||
if (result == ULLONG_MAX && errno)
|
|
||||||
return "does not fit";
|
|
||||||
if (*end)
|
|
||||||
return "str not completely consumed";
|
|
||||||
return nullptr;
|
|
||||||
}
|
|
||||||
|
|
||||||
int GetToken()
|
|
||||||
{
|
|
||||||
//skip whitespace
|
|
||||||
while (isspace(LastChar))
|
|
||||||
{
|
|
||||||
if (LastChar == '\n')
|
|
||||||
SignalNextLine();
|
|
||||||
NextChar();
|
|
||||||
}
|
|
||||||
|
|
||||||
//skip \\[\r\n]
|
|
||||||
if (LastChar == '\\' && (PeekChar() == '\r' || PeekChar() == '\n'))
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
return GetToken();
|
|
||||||
}
|
|
||||||
|
|
||||||
//character literal
|
|
||||||
if (LastChar == '\'')
|
|
||||||
{
|
|
||||||
string charLit;
|
|
||||||
while (true)
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
if (LastChar == EOF) //end of file
|
|
||||||
return ReportError("unexpected end of file in character literal (1)");
|
|
||||||
if (LastChar == '\r' || LastChar == '\n')
|
|
||||||
return ReportError("unexpected newline in character literal (1)");
|
|
||||||
if (LastChar == '\'') //end of character literal
|
|
||||||
{
|
|
||||||
if (charLit.length() != 1)
|
|
||||||
return ReportError(StringUtils::sprintf("invalid character literal '%s'", charLit.c_str()));
|
|
||||||
CharLit = charLit[0];
|
|
||||||
NextChar();
|
|
||||||
return tok_charlit;
|
|
||||||
}
|
|
||||||
if (LastChar == '\\') //escape sequence
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
if (LastChar == EOF)
|
|
||||||
return ReportError("unexpected end of file in character literal (2)");
|
|
||||||
if (LastChar == '\r' || LastChar == '\n')
|
|
||||||
return ReportError("unexpected newline in character literal (2)");
|
|
||||||
if (LastChar == '\'' || LastChar == '\"' || LastChar == '?' || LastChar == '\\')
|
|
||||||
LastChar = LastChar;
|
|
||||||
else if (LastChar == 'a')
|
|
||||||
LastChar = '\a';
|
|
||||||
else if (LastChar == 'b')
|
|
||||||
LastChar = '\b';
|
|
||||||
else if (LastChar == 'f')
|
|
||||||
LastChar = '\f';
|
|
||||||
else if (LastChar == 'n')
|
|
||||||
LastChar = '\n';
|
|
||||||
else if (LastChar == 'r')
|
|
||||||
LastChar = '\r';
|
|
||||||
else if (LastChar == 't')
|
|
||||||
LastChar = '\t';
|
|
||||||
else if (LastChar == 'v')
|
|
||||||
LastChar = '\v';
|
|
||||||
else if (LastChar == '0')
|
|
||||||
LastChar = '\0';
|
|
||||||
else if (LastChar == 'x') //\xHH
|
|
||||||
{
|
|
||||||
auto ch1 = NextChar();
|
|
||||||
auto ch2 = NextChar();
|
|
||||||
if (isxdigit(ch1) && isxdigit(ch2))
|
|
||||||
{
|
|
||||||
char byteStr[3] = "";
|
|
||||||
byteStr[0] = ch1;
|
|
||||||
byteStr[1] = ch2;
|
|
||||||
uint64_t hexData;
|
|
||||||
auto error = ConvertNumber(byteStr, hexData, 16);
|
|
||||||
if (error)
|
|
||||||
return ReportError(StringUtils::sprintf("ConvertNumber failed (%s) for hex sequence \"\\x%c%c\" in character literal", error, ch1, ch2));
|
|
||||||
LastChar = hexData & 0xFF;
|
|
||||||
}
|
|
||||||
else
|
|
||||||
return ReportError(StringUtils::sprintf("invalid hex sequence \"\\x%c%c\" in character literal", ch1, ch2));
|
|
||||||
}
|
|
||||||
else
|
|
||||||
return ReportError(StringUtils::sprintf("invalid escape sequence \"\\%c\" in character literal", LastChar));
|
|
||||||
}
|
|
||||||
charLit += LastChar;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
//string literal
|
|
||||||
if (LastChar == '\"')
|
|
||||||
{
|
|
||||||
StringLit.clear();
|
|
||||||
while (true)
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
if (LastChar == EOF) //end of file
|
|
||||||
return ReportError("unexpected end of file in string literal (1)");
|
|
||||||
if (LastChar == '\r' || LastChar == '\n')
|
|
||||||
return ReportError("unexpected newline in string literal (1)");
|
|
||||||
if (LastChar == '\"') //end of string literal
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
return tok_stringlit;
|
|
||||||
}
|
|
||||||
if (LastChar == '\\') //escape sequence
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
if (LastChar == EOF)
|
|
||||||
return ReportError("unexpected end of file in string literal (2)");
|
|
||||||
if (LastChar == '\r' || LastChar == '\n')
|
|
||||||
return ReportError("unexpected newline in string literal (2)");
|
|
||||||
if (LastChar == '\'' || LastChar == '\"' || LastChar == '?' || LastChar == '\\')
|
|
||||||
LastChar = LastChar;
|
|
||||||
else if (LastChar == 'a')
|
|
||||||
LastChar = '\a';
|
|
||||||
else if (LastChar == 'b')
|
|
||||||
LastChar = '\b';
|
|
||||||
else if (LastChar == 'f')
|
|
||||||
LastChar = '\f';
|
|
||||||
else if (LastChar == 'n')
|
|
||||||
LastChar = '\n';
|
|
||||||
else if (LastChar == 'r')
|
|
||||||
LastChar = '\r';
|
|
||||||
else if (LastChar == 't')
|
|
||||||
LastChar = '\t';
|
|
||||||
else if (LastChar == 'v')
|
|
||||||
LastChar = '\v';
|
|
||||||
else if (LastChar == '0')
|
|
||||||
LastChar = '\0';
|
|
||||||
else if (LastChar == 'x') //\xHH
|
|
||||||
{
|
|
||||||
auto ch1 = NextChar();
|
|
||||||
auto ch2 = NextChar();
|
|
||||||
if (isxdigit(ch1) && isxdigit(ch2))
|
|
||||||
{
|
|
||||||
char byteStr[3] = "";
|
|
||||||
byteStr[0] = ch1;
|
|
||||||
byteStr[1] = ch2;
|
|
||||||
uint64_t hexData;
|
|
||||||
auto error = ConvertNumber(byteStr, hexData, 16);
|
|
||||||
if (error)
|
|
||||||
return ReportError(StringUtils::sprintf("ConvertNumber failed (%s) for hex sequence \"\\x%c%c\" in string literal", error, ch1, ch2));
|
|
||||||
LastChar = hexData & 0xFF;
|
|
||||||
}
|
|
||||||
else
|
|
||||||
return ReportError(StringUtils::sprintf("invalid hex sequence \"\\x%c%c\" in string literal", ch1, ch2));
|
|
||||||
}
|
|
||||||
else
|
|
||||||
return ReportError(StringUtils::sprintf("invalid escape sequence \"\\%c\" in string literal", LastChar));
|
|
||||||
}
|
|
||||||
appendCh(StringLit, LastChar);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
//identifier/keyword
|
|
||||||
if (isalpha(LastChar) || LastChar == '_') //[a-zA-Z_]
|
|
||||||
{
|
|
||||||
IdentifierStr = LastChar;
|
|
||||||
NextChar();
|
|
||||||
while (isalnum(LastChar) || LastChar == '_') //[0-9a-zA-Z_]
|
|
||||||
{
|
|
||||||
appendCh(IdentifierStr, LastChar);
|
|
||||||
NextChar();
|
|
||||||
}
|
|
||||||
|
|
||||||
//keywords
|
|
||||||
auto found = KeywordMap.find(IdentifierStr);
|
|
||||||
if (found != KeywordMap.end())
|
|
||||||
return found->second;
|
|
||||||
|
|
||||||
return tok_identifier;
|
|
||||||
}
|
|
||||||
|
|
||||||
//hex numbers
|
|
||||||
if (LastChar == '0' && PeekChar() == 'x') //0x
|
|
||||||
{
|
|
||||||
NextChar(); //consume the 'x'
|
|
||||||
NumStr.clear();
|
|
||||||
|
|
||||||
while (isxdigit(NextChar())) //[0-9a-fA-F]*
|
|
||||||
appendCh(NumStr, LastChar);
|
|
||||||
|
|
||||||
if (!NumStr.length()) //check for error condition
|
|
||||||
return ReportError("no hex digits after \"0x\" prefix");
|
|
||||||
|
|
||||||
auto error = ConvertNumber(NumStr.c_str(), NumberVal, 16);
|
|
||||||
if (error)
|
|
||||||
return ReportError(StringUtils::sprintf("ConvertNumber failed (%s) on hexadecimal number", error));
|
|
||||||
IsHexNumberVal = true;
|
|
||||||
return tok_number;
|
|
||||||
}
|
|
||||||
if (isdigit(LastChar)) //[0-9]
|
|
||||||
{
|
|
||||||
NumStr = LastChar;
|
|
||||||
|
|
||||||
while (isdigit(NextChar())) //[0-9]*
|
|
||||||
NumStr += LastChar;
|
|
||||||
|
|
||||||
auto error = ConvertNumber(NumStr.c_str(), NumberVal, 10);
|
|
||||||
if (error)
|
|
||||||
return ReportError(StringUtils::sprintf("ConvertNumber failed (%s) on decimal number", error));
|
|
||||||
IsHexNumberVal = false;
|
|
||||||
return tok_number;
|
|
||||||
}
|
|
||||||
|
|
||||||
//comments
|
|
||||||
if (LastChar == '/' && PeekChar() == '/') //line comment
|
|
||||||
{
|
|
||||||
do
|
|
||||||
{
|
|
||||||
if (LastChar == '\n')
|
|
||||||
SignalNextLine();
|
|
||||||
NextChar();
|
|
||||||
} while (!(LastChar == EOF || LastChar == '\n'));
|
|
||||||
|
|
||||||
return GetToken(); //interpret the next line
|
|
||||||
}
|
|
||||||
if (LastChar == '/' && PeekChar() == '*') //block comment
|
|
||||||
{
|
|
||||||
do
|
|
||||||
{
|
|
||||||
if (LastChar == '\n')
|
|
||||||
SignalNextLine();
|
|
||||||
NextChar();
|
|
||||||
} while (!(LastChar == EOF || LastChar == '*' && PeekChar() == '/'));
|
|
||||||
|
|
||||||
if (LastChar == EOF) //unexpected end of file
|
|
||||||
{
|
|
||||||
LineIndex++;
|
|
||||||
return ReportError("unexpected end of file in block comment");
|
|
||||||
}
|
|
||||||
|
|
||||||
NextChar();
|
|
||||||
NextChar();
|
|
||||||
return GetToken(); //get the next non-comment token
|
|
||||||
}
|
|
||||||
|
|
||||||
//operators
|
|
||||||
auto opFound = OpTripleMap.find(MAKE_OP_TRIPLE(LastChar, PeekChar(), PeekChar(1)));
|
|
||||||
if (opFound != OpTripleMap.end())
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
NextChar();
|
|
||||||
NextChar();
|
|
||||||
return opFound->second;
|
|
||||||
}
|
|
||||||
opFound = OpDoubleMap.find(MAKE_OP_DOUBLE(LastChar, PeekChar()));
|
|
||||||
if (opFound != OpDoubleMap.end())
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
NextChar();
|
|
||||||
return opFound->second;
|
|
||||||
}
|
|
||||||
opFound = OpSingleMap.find(MAKE_OP_SINGLE(LastChar));
|
|
||||||
if (opFound != OpSingleMap.end())
|
|
||||||
{
|
|
||||||
NextChar();
|
|
||||||
return opFound->second;
|
|
||||||
}
|
|
||||||
|
|
||||||
//end of file
|
|
||||||
if (LastChar == EOF)
|
|
||||||
return tok_eof;
|
|
||||||
|
|
||||||
//unknown character
|
|
||||||
return ReportError(StringUtils::sprintf("unexpected character \'%c\'", LastChar));
|
|
||||||
}
|
|
||||||
|
|
||||||
bool ReadInputFile(const string & filename)
|
|
||||||
{
|
|
||||||
ResetLexerState();
|
|
||||||
return FileHelper::ReadAllData(filename, Input);
|
|
||||||
}
|
|
||||||
|
|
||||||
bool TestLex(const function<void(const string & line)> & lexEnum, bool output = true)
|
|
||||||
{
|
|
||||||
size_t line = 0;
|
|
||||||
if (output)
|
|
||||||
lexEnum("1: ");
|
|
||||||
int tok;
|
|
||||||
string toks;
|
|
||||||
clearReserve(toks);
|
|
||||||
char newlineText[128] = "";
|
|
||||||
do
|
|
||||||
{
|
|
||||||
tok = GetToken();
|
|
||||||
if (!output)
|
|
||||||
continue;
|
|
||||||
toks.clear();
|
|
||||||
while (line < CurLine)
|
|
||||||
{
|
|
||||||
line++;
|
|
||||||
sprintf_s(newlineText, "\n%d: ", line + 1);
|
|
||||||
toks.append(newlineText);
|
|
||||||
}
|
|
||||||
toks.append(TokString(tok));
|
|
||||||
appendCh(toks, ' ');
|
|
||||||
lexEnum(toks);
|
|
||||||
} while (tok != tok_eof && tok != tok_error);
|
|
||||||
if (tok != tok_error && tok != tok_eof)
|
|
||||||
tok = ReportError("lexer did not finish at the end of the file");
|
|
||||||
for (const auto & warning : Warnings)
|
|
||||||
if (output)
|
|
||||||
lexEnum("\nwarning: " + warning);
|
|
||||||
return tok != tok_error;
|
|
||||||
}
|
|
||||||
};
|
|
||||||
|
|
||||||
bool TestLexer(Lexer & lexer, const string & filename)
|
|
||||||
{
|
{
|
||||||
if (!lexer.ReadInputFile("tests\\" + filename))
|
if (!lexer.ReadInputFile("tests\\" + filename))
|
||||||
{
|
{
|
||||||
printf("failed to read \"%s\"\n", filename.c_str());
|
printf("failed to read \"%s\"\n", filename.c_str());
|
||||||
return false;
|
return false;
|
||||||
}
|
}
|
||||||
string actual;
|
std::string actual;
|
||||||
Lexer::clearReserve(actual);
|
actual.reserve(65536);
|
||||||
auto success = lexer.TestLex([&](const string & line)
|
auto success = lexer.Test([&](const std::string & line)
|
||||||
{
|
{
|
||||||
actual.append(line);
|
actual.append(line);
|
||||||
});
|
});
|
||||||
string expected;
|
std::string expected;
|
||||||
if (FileHelper::ReadAllText("tests\\exp_lex\\" + filename, expected))
|
if (FileHelper::ReadAllText("tests\\exp_lex\\" + filename, expected) && expected == actual)
|
||||||
{
|
{
|
||||||
if (expected == actual)
|
printf("lexer test for \"%s\" success!\n", filename.c_str());
|
||||||
{
|
return true;
|
||||||
printf("lexer test for \"%s\" success!\n", filename.c_str());
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
}
|
||||||
if (success)
|
if (success)
|
||||||
return true;
|
return true;
|
||||||
|
|
@ -571,14 +31,14 @@ bool TestLexer(Lexer & lexer, const string & filename)
|
||||||
return false;
|
return false;
|
||||||
}
|
}
|
||||||
|
|
||||||
bool DebugLexer(Lexer & lexer, const string & filename, bool output)
|
bool DebugLexer(Lexer & lexer, const std::string & filename, bool output)
|
||||||
{
|
{
|
||||||
if (!lexer.ReadInputFile("tests\\" + filename))
|
if (!lexer.ReadInputFile("tests\\" + filename))
|
||||||
{
|
{
|
||||||
printf("failed to read \"%s\"\n", filename.c_str());
|
printf("failed to read \"%s\"\n", filename.c_str());
|
||||||
return false;
|
return false;
|
||||||
}
|
}
|
||||||
auto success = lexer.TestLex([](const string & line)
|
auto success = lexer.Test([](const std::string & line)
|
||||||
{
|
{
|
||||||
printf("%s", line.c_str());
|
printf("%s", line.c_str());
|
||||||
}, output);
|
}, output);
|
||||||
|
|
@ -587,16 +47,16 @@ bool DebugLexer(Lexer & lexer, const string & filename, bool output)
|
||||||
return success;
|
return success;
|
||||||
}
|
}
|
||||||
|
|
||||||
void GenerateExpected(Lexer & lexer, const string & filename)
|
void GenerateExpected(Lexer & lexer, const std::string & filename)
|
||||||
{
|
{
|
||||||
if (!lexer.ReadInputFile("tests\\" + filename))
|
if (!lexer.ReadInputFile("tests\\" + filename))
|
||||||
{
|
{
|
||||||
printf("failed to read \"%s\"\n", filename.c_str());
|
printf("failed to read \"%s\"\n", filename.c_str());
|
||||||
return;
|
return;
|
||||||
}
|
}
|
||||||
string actual;
|
std::string actual;
|
||||||
Lexer::clearReserve(actual);
|
actual.reserve(65536);
|
||||||
lexer.TestLex([&](const string & line)
|
lexer.Test([&](const std::string & line)
|
||||||
{
|
{
|
||||||
actual.append(line);
|
actual.append(line);
|
||||||
});
|
});
|
||||||
|
|
|
||||||
Loading…
Reference in New Issue