more work on the new lexer
This commit is contained in:
parent
19dd5af51a
commit
52e74f7a4f
|
@ -6,6 +6,9 @@
|
|||
|
||||
#include "../4cpp_lexer_types.h"
|
||||
|
||||
namespace new_lex{
|
||||
//
|
||||
|
||||
#define lexer_link static
|
||||
|
||||
|
||||
|
@ -77,13 +80,29 @@ cpp_shift_token_starts(Cpp_Token_Stack *stack, int from_token_i, int shift_amoun
|
|||
|
||||
enum Lex_State{
|
||||
LS_default,
|
||||
LS_identifier,
|
||||
LS_char,
|
||||
LS_string,
|
||||
LS_number,
|
||||
LS_comment_pre,
|
||||
LS_comment,
|
||||
LS_comment_block,
|
||||
LS_comment_block_ending,
|
||||
LS_dot,
|
||||
LS_ellipsis,
|
||||
LS_less,
|
||||
LS_less_less,
|
||||
LS_more,
|
||||
LS_more_more,
|
||||
LS_minus,
|
||||
LS_arrow,
|
||||
LS_and,
|
||||
LS_or,
|
||||
LS_plus,
|
||||
LS_colon,
|
||||
LS_star,
|
||||
LS_modulo,
|
||||
LS_caret,
|
||||
};
|
||||
|
||||
struct Lex_Data{
|
||||
|
@ -109,29 +128,69 @@ cpp_lex_nonalloc(char *chunk, int file_absolute_pos, int size, Cpp_Token_Stack *
|
|||
|
||||
int emit_token = 0;
|
||||
|
||||
char c;
|
||||
char c = 0;
|
||||
|
||||
chunk -= file_absolute_pos;
|
||||
|
||||
for (; pos < end_pos && token_i < max_token_i; ++pos){
|
||||
for (; pos < end_pos;){
|
||||
c = chunk[pos++];
|
||||
if (!(c == ' ' || c == '\n' || c == '\t' || c == '\r' || c == '\f' || c == '\v')) break;
|
||||
for (; pos < end_pos && token_i < max_token_i;){
|
||||
|
||||
c = chunk[pos];
|
||||
|
||||
if (c == ' ' || c == '\n' || c == '\t' || c == '\r' || c == '\f' || c == '\v'){
|
||||
for (; pos < end_pos;){
|
||||
c = chunk[pos++];
|
||||
if (!(c == ' ' || c == '\n' || c == '\t' || c == '\r' || c == '\f' || c == '\v')) break;
|
||||
}
|
||||
--pos;
|
||||
}
|
||||
|
||||
--pos;
|
||||
lex_data.token_start = pos;
|
||||
|
||||
state = LS_default;
|
||||
emit_token = 0;
|
||||
for (; emit_token == 0 && pos < end_pos;){
|
||||
c = chunk[pos++];
|
||||
for (; emit_token == 0 && pos <= end_pos;){
|
||||
if (pos < end_pos){
|
||||
c = chunk[pos++];
|
||||
}
|
||||
else{
|
||||
c = 0;
|
||||
++pos;
|
||||
}
|
||||
|
||||
switch (state){
|
||||
case LS_default:
|
||||
if ((c >= 'a' && c <= 'z') || (c >= 'A' && c <= 'Z') || c == '_'){
|
||||
state = LS_identifier;
|
||||
}
|
||||
else if (c >= '1' && c <= '9'){
|
||||
state = LS_number;
|
||||
}
|
||||
else
|
||||
switch (c){
|
||||
case '\'': state = LS_char; break;
|
||||
case '"': state = LS_string; break;
|
||||
|
||||
case '/': state = LS_comment_pre; break;
|
||||
|
||||
case '.': state = LS_dot; break;
|
||||
|
||||
case '<': state = LS_less; break;
|
||||
case '>': state = LS_more; break;
|
||||
|
||||
case '-': state = LS_minus; break;
|
||||
|
||||
case '&': state = LS_and; break;
|
||||
case '|': state = LS_or; break;
|
||||
|
||||
case '+': state = LS_plus; break;
|
||||
|
||||
case ':': state = LS_colon; break;
|
||||
|
||||
case '*': state = LS_star; break;
|
||||
|
||||
case '%': state = LS_modulo; break;
|
||||
case '^': state = LS_caret; break;
|
||||
|
||||
#define OperCase(op,type) case op: emit_token = 1; break;
|
||||
OperCase('{', CPP_TOKEN_BRACE_OPEN);
|
||||
OperCase('}', CPP_TOKEN_BRACE_CLOSE);
|
||||
|
@ -144,30 +203,83 @@ cpp_lex_nonalloc(char *chunk, int file_absolute_pos, int size, Cpp_Token_Stack *
|
|||
|
||||
OperCase('~', CPP_TOKEN_TILDE);
|
||||
OperCase(',', CPP_TOKEN_COMMA);
|
||||
OperCase(';', CPP_TOKEN_SEMICOLON);
|
||||
OperCase('?', CPP_TOKEN_TERNARY_QMARK);
|
||||
#undef OperCase
|
||||
}
|
||||
break;
|
||||
|
||||
#if 0
|
||||
case '.': state = LS_dot; break;
|
||||
case '<': state = LS_less; break;
|
||||
case '>': state = LS_more; break;
|
||||
#endif
|
||||
case LS_identifier:
|
||||
if (!((c >= '0' && c <= '9') || (c >= 'a' && c <= 'z') || (c >= 'A' && c <= 'Z') || c == '_')){
|
||||
emit_token = 1;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_char:
|
||||
// TODO
|
||||
break;
|
||||
|
||||
case LS_string:
|
||||
// TODO
|
||||
break;
|
||||
|
||||
case LS_number:
|
||||
if (c >= '0' && c <= '9'){
|
||||
state = LS_number;
|
||||
}
|
||||
else if (c == '.'){
|
||||
state = LS_float;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_dot:
|
||||
switch (c){
|
||||
case '.': state = LS_ellipsis; break;
|
||||
case '*': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_ellipsis:
|
||||
emit_token = 1;
|
||||
break;
|
||||
|
||||
case LS_less:
|
||||
switch (c){
|
||||
case '<': state = LS_less_less; break;
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_less_less:
|
||||
switch (c){
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_more:
|
||||
switch (c){
|
||||
case '>': state = LS_more_more; break;
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_more_more:
|
||||
switch (c){
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_comment_pre:
|
||||
switch (c){
|
||||
case '/': state = LS_comment; break;
|
||||
case '*': state = LS_comment_block; break;
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
|
@ -190,16 +302,83 @@ cpp_lex_nonalloc(char *chunk, int file_absolute_pos, int size, Cpp_Token_Stack *
|
|||
default: state = LS_comment_block; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_minus:
|
||||
switch (c){
|
||||
case '>': state = LS_arrow; break;
|
||||
case '-': emit_token = 1; break;
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_arrow:
|
||||
switch (c){
|
||||
case '*': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_and:
|
||||
switch (c){
|
||||
case '&': emit_token = 1; break;
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_or:
|
||||
switch (c){
|
||||
case '|': emit_token = 1; break;
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_plus:
|
||||
switch (c){
|
||||
case '+': emit_token = 1; break;
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_colon:
|
||||
switch (c){
|
||||
case ':': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_star:
|
||||
switch (c){
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_modulo:
|
||||
switch (c){
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_caret:
|
||||
switch (c){
|
||||
case '=': emit_token = 1; break;
|
||||
default: emit_token = 1; break;
|
||||
}
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
if (emit_token){
|
||||
--pos;
|
||||
lex_data.token_end = pos;
|
||||
|
||||
switch (state){
|
||||
case LS_default:
|
||||
switch (chunk[pos]){
|
||||
switch (c){
|
||||
#define OperCase(op,t) case op: token.type = t; break;
|
||||
OperCase('{', CPP_TOKEN_BRACE_OPEN);
|
||||
OperCase('}', CPP_TOKEN_BRACE_CLOSE);
|
||||
|
@ -212,30 +391,235 @@ cpp_lex_nonalloc(char *chunk, int file_absolute_pos, int size, Cpp_Token_Stack *
|
|||
|
||||
OperCase('~', CPP_TOKEN_TILDE);
|
||||
OperCase(',', CPP_TOKEN_COMMA);
|
||||
OperCase(';', CPP_TOKEN_SEMICOLON);
|
||||
OperCase('?', CPP_TOKEN_TERNARY_QMARK);
|
||||
#undef OperCase
|
||||
}
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
break;
|
||||
|
||||
case LS_identifier:
|
||||
token.type = CPP_TOKEN_IDENTIFIER;
|
||||
token.flags = 0;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
|
||||
case LS_comment_pre:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '=': token.type = CPP_TOKEN_DIVEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_DIV;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_comment: case LS_comment_block_ending:
|
||||
token.type = CPP_TOKEN_COMMENT;
|
||||
token.flags = 0;
|
||||
c = chunk[pos];
|
||||
c = chunk[--lex_data.token_end];
|
||||
while (c == ' ' || c == '\n' || c == '\t' || c == '\r' || c == '\v' || c == '\f'){
|
||||
--pos;
|
||||
c = chunk[pos];
|
||||
--lex_data.token_end;
|
||||
c = chunk[lex_data.token_end];
|
||||
}
|
||||
++lex_data.token_end;
|
||||
break;
|
||||
|
||||
case LS_dot:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '*': token.type = CPP_TOKEN_PTRDOT; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_DOT;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_ellipsis:
|
||||
switch (c){
|
||||
case '.':
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
token.type = CPP_TOKEN_ELLIPSIS;
|
||||
break;
|
||||
|
||||
default:
|
||||
token.type = CPP_TOKEN_JUNK;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_less:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '=': token.type = CPP_TOKEN_LESSEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_LESS;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_less_less:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '=': token.type = CPP_TOKEN_LSHIFTEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_LSHIFT;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_more:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '=': token.type = CPP_TOKEN_GRTREQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_GRTR;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_more_more:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '=': token.type = CPP_TOKEN_RSHIFTEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_RSHIFT;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_minus:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '-': token.type = CPP_TOKEN_DECREMENT; break;
|
||||
case '=': token.type = CPP_TOKEN_SUBEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_MINUS;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_arrow:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '*': token.type = CPP_TOKEN_PTRARROW; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_ARROW;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_and:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '&': token.type = CPP_TOKEN_AND; break;
|
||||
case '=': token.type = CPP_TOKEN_ANDEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_AMPERSAND;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_or:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '|': token.type = CPP_TOKEN_OR; break;
|
||||
case '=': token.type = CPP_TOKEN_OREQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_BIT_OR;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_plus:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '+': token.type = CPP_TOKEN_INCREMENT; break;
|
||||
case '=': token.type = CPP_TOKEN_ADDEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_PLUS;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_colon:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case ':': token.type = CPP_TOKEN_SCOPE; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_COLON;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_star:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '=': token.type = CPP_TOKEN_MULEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_STAR;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_modulo:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '=': token.type = CPP_TOKEN_MODEQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_MOD;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case LS_caret:
|
||||
token.flags = CPP_TFLAG_IS_OPERATOR;
|
||||
switch (c){
|
||||
case '^': token.type = CPP_TOKEN_XOREQ; break;
|
||||
default:
|
||||
token.type = CPP_TOKEN_BIT_XOR;
|
||||
--lex_data.token_end;
|
||||
--pos;
|
||||
break;
|
||||
}
|
||||
++pos;
|
||||
break;
|
||||
}
|
||||
|
||||
token.start = lex_data.token_start;
|
||||
token.size = pos - lex_data.token_start;
|
||||
token.size = lex_data.token_end - lex_data.token_start;
|
||||
token.state_flags = pp_state;
|
||||
out_tokens[token_i++] = token;
|
||||
|
||||
pos = lex_data.token_end;
|
||||
}
|
||||
}
|
||||
|
||||
|
@ -245,6 +629,8 @@ cpp_lex_nonalloc(char *chunk, int file_absolute_pos, int size, Cpp_Token_Stack *
|
|||
return(lex_data);
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
#endif
|
||||
|
||||
// BOTTOM
|
||||
|
|
|
@ -10,20 +10,14 @@
|
|||
// TOP
|
||||
|
||||
#include "../4ed_meta.h"
|
||||
|
||||
#define FCPP_STRING_IMPLEMENTATION
|
||||
#include "../4coder_string.h"
|
||||
|
||||
#include "../4cpp_types.h"
|
||||
|
||||
#include "../4cpp_lexer_types.h"
|
||||
|
||||
#define FCPP_LEXER_IMPLEMENTATION
|
||||
#include "../4cpp_lexer.h"
|
||||
|
||||
namespace new_lex{
|
||||
#include "4cpp_new_lexer.h"
|
||||
}
|
||||
|
||||
#include <windows.h>
|
||||
|
||||
|
@ -238,8 +232,8 @@ run_experiment(Experiment *exp, char *filename){
|
|||
if (correct->start != testing->start || correct->size != testing->size){
|
||||
pass = 0;
|
||||
printf("token range mismatch at token %d\n"
|
||||
"\t%d:%d original %d:%d testing\n"
|
||||
"\t%.*s original %.*s testing\n",
|
||||
" %d:%d original %d:%d testing\n"
|
||||
" %.*s original %.*s testing\n",
|
||||
j,
|
||||
correct->start, correct->size, testing->start, testing->size,
|
||||
correct->size, file_cpp.data + correct->start,
|
||||
|
|
Loading…
Reference in New Issue