tokenize
Andrew Kelley
parent
899c9fe94e
commit
e09932928a
17
src/list.hpp
17
src/list.hpp
|
|
@ -5,24 +5,21 @@
|
|||
* See http://opensource.org/licenses/MIT
|
||||
*/
|
||||
|
||||
#ifndef GROOVE_LIST_HPP
|
||||
#define GROOVE_LIST_HPP
|
||||
#ifndef ZIG_LIST_HPP
|
||||
#define ZIG_LIST_HPP
|
||||
|
||||
#include "util.hpp"
|
||||
|
||||
#include <assert.h>
|
||||
|
||||
template<typename T>
|
||||
struct GrooveList {
|
||||
struct ZigList {
|
||||
void deinit() {
|
||||
deallocate(items);
|
||||
}
|
||||
void append(T item) {
|
||||
int err = ensure_capacity(length + 1);
|
||||
if (err)
|
||||
return err;
|
||||
ensure_capacity(length + 1);
|
||||
items[length++] = item;
|
||||
return 0;
|
||||
}
|
||||
// remember that the pointer to this item is invalid after you
|
||||
// modify the length of the list
|
||||
|
|
@ -57,11 +54,8 @@ struct GrooveList {
|
|||
|
||||
void resize(int new_length) {
|
||||
assert(new_length >= 0);
|
||||
int err = ensure_capacity(new_length);
|
||||
if (err)
|
||||
return err;
|
||||
ensure_capacity(new_length);
|
||||
length = new_length;
|
||||
return 0;
|
||||
}
|
||||
|
||||
void clear() {
|
||||
|
|
@ -76,7 +70,6 @@ struct GrooveList {
|
|||
items = reallocate_nonzero(items, better_capacity);
|
||||
capacity = better_capacity;
|
||||
}
|
||||
return 0;
|
||||
}
|
||||
|
||||
T * items;
|
||||
|
|
|
|||
295
src/main.cpp
295
src/main.cpp
|
|
@ -7,6 +7,7 @@
|
|||
|
||||
#include "config.h"
|
||||
#include "util.hpp"
|
||||
#include "list.hpp"
|
||||
#include <stdio.h>
|
||||
#include <string.h>
|
||||
#include <stdlib.h>
|
||||
|
|
@ -30,6 +31,13 @@ static Buf *alloc_buf(int size) {
|
|||
return buf;
|
||||
}
|
||||
|
||||
/*
|
||||
static void fprint_buf(FILE *f, Buf *buf) {
|
||||
if (fwrite(buf->ptr, 1, buf->len, f))
|
||||
zig_panic("error writing: %s", strerror(errno));
|
||||
}
|
||||
*/
|
||||
|
||||
static int usage(char *arg0) {
|
||||
fprintf(stderr, "Usage: %s --output outfile code.zig\n"
|
||||
"Other options:\n"
|
||||
|
|
@ -56,6 +64,289 @@ static struct Buf *fetch_file(FILE *f) {
|
|||
return buf;
|
||||
}
|
||||
|
||||
#define WHITESPACE \
|
||||
' ': \
|
||||
case '\t': \
|
||||
case '\n': \
|
||||
case '\f': \
|
||||
case '\r': \
|
||||
case 0xb
|
||||
|
||||
#define DIGIT \
|
||||
'0': \
|
||||
case '1': \
|
||||
case '2': \
|
||||
case '3': \
|
||||
case '4': \
|
||||
case '5': \
|
||||
case '6': \
|
||||
case '7': \
|
||||
case '8': \
|
||||
case '9'
|
||||
|
||||
#define ALPHA \
|
||||
'a': \
|
||||
case 'b': \
|
||||
case 'c': \
|
||||
case 'd': \
|
||||
case 'e': \
|
||||
case 'f': \
|
||||
case 'g': \
|
||||
case 'h': \
|
||||
case 'i': \
|
||||
case 'j': \
|
||||
case 'k': \
|
||||
case 'l': \
|
||||
case 'm': \
|
||||
case 'n': \
|
||||
case 'o': \
|
||||
case 'p': \
|
||||
case 'q': \
|
||||
case 'r': \
|
||||
case 's': \
|
||||
case 't': \
|
||||
case 'u': \
|
||||
case 'v': \
|
||||
case 'w': \
|
||||
case 'x': \
|
||||
case 'y': \
|
||||
case 'z': \
|
||||
case 'A': \
|
||||
case 'B': \
|
||||
case 'C': \
|
||||
case 'D': \
|
||||
case 'E': \
|
||||
case 'F': \
|
||||
case 'G': \
|
||||
case 'H': \
|
||||
case 'I': \
|
||||
case 'J': \
|
||||
case 'K': \
|
||||
case 'L': \
|
||||
case 'M': \
|
||||
case 'N': \
|
||||
case 'O': \
|
||||
case 'P': \
|
||||
case 'Q': \
|
||||
case 'R': \
|
||||
case 'S': \
|
||||
case 'T': \
|
||||
case 'U': \
|
||||
case 'V': \
|
||||
case 'W': \
|
||||
case 'X': \
|
||||
case 'Y': \
|
||||
case 'Z'
|
||||
|
||||
enum TokenId {
|
||||
TokenIdDirective,
|
||||
TokenIdSymbol,
|
||||
TokenIdLParen,
|
||||
TokenIdRParen,
|
||||
TokenIdComma,
|
||||
TokenIdStar,
|
||||
TokenIdLBrace,
|
||||
TokenIdRBrace,
|
||||
TokenIdStringLiteral,
|
||||
TokenIdSemicolon,
|
||||
TokenIdNumberLiteral,
|
||||
TokenIdPlus,
|
||||
};
|
||||
|
||||
struct Token {
|
||||
TokenId id;
|
||||
int start_pos;
|
||||
int end_pos;
|
||||
};
|
||||
|
||||
enum TokenizeState {
|
||||
TokenizeStateStart,
|
||||
TokenizeStateDirective,
|
||||
TokenizeStateSymbol,
|
||||
TokenizeStateString,
|
||||
TokenizeStateNumber,
|
||||
};
|
||||
|
||||
struct Tokenize {
|
||||
int pos;
|
||||
TokenizeState state;
|
||||
ZigList<Token> *tokens;
|
||||
int line;
|
||||
int column;
|
||||
Token *cur_tok;
|
||||
};
|
||||
|
||||
__attribute__ ((format (printf, 2, 3)))
|
||||
static void tokenize_error(Tokenize *t, const char *format, ...) {
|
||||
va_list ap;
|
||||
va_start(ap, format);
|
||||
fprintf(stderr, "Error. Line %d, column %d: ", t->line + 1, t->column + 1);
|
||||
vfprintf(stderr, format, ap);
|
||||
va_end(ap);
|
||||
exit(EXIT_FAILURE);
|
||||
}
|
||||
|
||||
static void begin_token(Tokenize *t, TokenId id) {
|
||||
assert(!t->cur_tok);
|
||||
t->tokens->add_one();
|
||||
Token *token = &t->tokens->last();
|
||||
token->id = id;
|
||||
token->start_pos = t->pos;
|
||||
t->cur_tok = token;
|
||||
}
|
||||
|
||||
static void end_token(Tokenize *t) {
|
||||
assert(t->cur_tok);
|
||||
t->cur_tok->end_pos = t->pos + 1;
|
||||
t->cur_tok = nullptr;
|
||||
}
|
||||
|
||||
static void put_back(Tokenize *t, int count) {
|
||||
t->pos -= count;
|
||||
}
|
||||
|
||||
static ZigList<Token> *tokenize(Buf *buf) {
|
||||
Tokenize t = {0};
|
||||
t.tokens = allocate<ZigList<Token>>(1);
|
||||
for (t.pos = 0; t.pos < buf->len; t.pos += 1) {
|
||||
uint8_t c = buf->ptr[t.pos];
|
||||
switch (t.state) {
|
||||
case TokenizeStateStart:
|
||||
switch (c) {
|
||||
case WHITESPACE:
|
||||
break;
|
||||
case ALPHA:
|
||||
t.state = TokenizeStateSymbol;
|
||||
begin_token(&t, TokenIdSymbol);
|
||||
break;
|
||||
case DIGIT:
|
||||
t.state = TokenizeStateNumber;
|
||||
begin_token(&t, TokenIdNumberLiteral);
|
||||
break;
|
||||
case '#':
|
||||
t.state = TokenizeStateDirective;
|
||||
begin_token(&t, TokenIdDirective);
|
||||
break;
|
||||
case '(':
|
||||
begin_token(&t, TokenIdLParen);
|
||||
end_token(&t);
|
||||
break;
|
||||
case ')':
|
||||
begin_token(&t, TokenIdLParen);
|
||||
end_token(&t);
|
||||
break;
|
||||
case ',':
|
||||
begin_token(&t, TokenIdComma);
|
||||
end_token(&t);
|
||||
break;
|
||||
case '*':
|
||||
begin_token(&t, TokenIdStar);
|
||||
end_token(&t);
|
||||
break;
|
||||
case '{':
|
||||
begin_token(&t, TokenIdLBrace);
|
||||
end_token(&t);
|
||||
break;
|
||||
case '}':
|
||||
begin_token(&t, TokenIdRBrace);
|
||||
end_token(&t);
|
||||
break;
|
||||
case '"':
|
||||
begin_token(&t, TokenIdStringLiteral);
|
||||
t.state = TokenizeStateString;
|
||||
break;
|
||||
case ';':
|
||||
begin_token(&t, TokenIdSemicolon);
|
||||
end_token(&t);
|
||||
break;
|
||||
case '+':
|
||||
begin_token(&t, TokenIdPlus);
|
||||
end_token(&t);
|
||||
break;
|
||||
default:
|
||||
tokenize_error(&t, "invalid character: '%c'", c);
|
||||
}
|
||||
break;
|
||||
case TokenizeStateDirective:
|
||||
if (c == '\n') {
|
||||
assert(t.cur_tok);
|
||||
t.cur_tok->end_pos = t.pos;
|
||||
t.cur_tok = nullptr;
|
||||
t.state = TokenizeStateStart;
|
||||
}
|
||||
break;
|
||||
case TokenizeStateSymbol:
|
||||
switch (c) {
|
||||
case ALPHA:
|
||||
case DIGIT:
|
||||
case '_':
|
||||
break;
|
||||
default:
|
||||
put_back(&t, 1);
|
||||
end_token(&t);
|
||||
t.state = TokenizeStateStart;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
case TokenizeStateString:
|
||||
switch (c) {
|
||||
case '"':
|
||||
end_token(&t);
|
||||
t.state = TokenizeStateStart;
|
||||
break;
|
||||
default:
|
||||
break;
|
||||
}
|
||||
break;
|
||||
case TokenizeStateNumber:
|
||||
switch (c) {
|
||||
case DIGIT:
|
||||
break;
|
||||
default:
|
||||
put_back(&t, 1);
|
||||
end_token(&t);
|
||||
t.state = TokenizeStateStart;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
}
|
||||
if (c == '\n') {
|
||||
t.line += 1;
|
||||
t.column = 0;
|
||||
} else {
|
||||
t.column += 1;
|
||||
}
|
||||
}
|
||||
return t.tokens;
|
||||
}
|
||||
|
||||
static const char * token_name(Token *token) {
|
||||
switch (token->id) {
|
||||
case TokenIdDirective: return "Directive";
|
||||
case TokenIdSymbol: return "Symbol";
|
||||
case TokenIdLParen: return "LParen";
|
||||
case TokenIdRParen: return "RParen";
|
||||
case TokenIdComma: return "Comma";
|
||||
case TokenIdStar: return "Star";
|
||||
case TokenIdLBrace: return "LBrace";
|
||||
case TokenIdRBrace: return "RBrace";
|
||||
case TokenIdStringLiteral: return "StringLiteral";
|
||||
case TokenIdSemicolon: return "Semicolon";
|
||||
case TokenIdNumberLiteral: return "NumberLiteral";
|
||||
case TokenIdPlus: return "Plus";
|
||||
}
|
||||
return "(invalid token)";
|
||||
}
|
||||
|
||||
static void print_tokens(Buf *buf, ZigList<Token> *tokens) {
|
||||
for (int i = 0; i < tokens->length; i += 1) {
|
||||
Token *token = &tokens->at(i);
|
||||
printf("%s ", token_name(token));
|
||||
fwrite(buf->ptr + token->start_pos, 1, token->end_pos - token->start_pos, stdout);
|
||||
printf("\n");
|
||||
}
|
||||
}
|
||||
|
||||
int main(int argc, char **argv) {
|
||||
char *arg0 = argv[0];
|
||||
char *in_file = NULL;
|
||||
|
|
@ -99,7 +390,9 @@ int main(int argc, char **argv) {
|
|||
|
||||
fprintf(stderr, "%s\n", in_data->ptr);
|
||||
|
||||
//tokenize(in_data);
|
||||
ZigList<Token> *tokens = tokenize(in_data);
|
||||
|
||||
print_tokens(in_data, tokens);
|
||||
|
||||
|
||||
return EXIT_SUCCESS;
|
||||
|
|
|
|||
15
src/util.hpp
15
src/util.hpp
|
|
@ -48,4 +48,19 @@ template <typename T, long n>
|
|||
constexpr long array_length(const T (&)[n]) {
|
||||
return n;
|
||||
}
|
||||
|
||||
template <typename T>
|
||||
static inline T max(T a, T b) {
|
||||
return (a >= b) ? a : b;
|
||||
}
|
||||
|
||||
template <typename T>
|
||||
static inline T min(T a, T b) {
|
||||
return (a <= b) ? a : b;
|
||||
}
|
||||
|
||||
template<typename T>
|
||||
static inline T clamp(T min_value, T value, T max_value) {
|
||||
return max(min(value, max_value), min_value);
|
||||
}
|
||||
#endif
|
||||
|
|
|
|||
Loading…
Reference in New Issue