minor implement lexer
This commit is contained in:
213
src/lex.c
213
src/lex.c
@@ -1,6 +1,11 @@
|
||||
#include "lex.h"
|
||||
|
||||
Lexer *new_lexer() {
|
||||
#include "util.h"
|
||||
#include <stddef.h>
|
||||
#include <stdlib.h>
|
||||
#include <string.h>
|
||||
|
||||
Lexer *lexer_new() {
|
||||
Lexer *lexer = malloc(sizeof(Lexer));
|
||||
|
||||
lexer->linepos = 0;
|
||||
@@ -13,6 +18,8 @@ Lexer *new_lexer() {
|
||||
lexer->buffer = calloc(LEX_BUF_SIZE, sizeof(char));
|
||||
lexer->curr = lexer->buffer;
|
||||
lexer->buffer[0] = '\0';
|
||||
|
||||
return lexer;
|
||||
}
|
||||
|
||||
void lexer_set_source(Lexer *lexer, FILE *source) {
|
||||
@@ -20,6 +27,9 @@ void lexer_set_source(Lexer *lexer, FILE *source) {
|
||||
lexer->linepos = 0;
|
||||
|
||||
lexer->source = source;
|
||||
|
||||
lexer_fill_buffer(lexer);
|
||||
|
||||
}
|
||||
|
||||
void lexer_fill_buffer(Lexer *lexer) {
|
||||
@@ -56,6 +66,13 @@ void lexer_consume(Lexer *lexer) {
|
||||
if (read == LEX_BUF_SIZE - 2) {
|
||||
lexer_fill_buffer(lexer);
|
||||
} else {
|
||||
if (lexer_curr(lexer) == '\n') {
|
||||
lexer->lineno += 1;
|
||||
lexer->linepos = 0;
|
||||
} else {
|
||||
lexer->linepos++;
|
||||
}
|
||||
|
||||
lexer->curr++;
|
||||
}
|
||||
}
|
||||
@@ -69,10 +86,200 @@ char lexer_peek(Lexer *lexer) {
|
||||
}
|
||||
|
||||
Token lexer_next_token(Lexer *lexer) {
|
||||
// TODO: implement
|
||||
char c = lexer_curr(lexer);
|
||||
if (c == '\0' && lexer->flag_EOF) {
|
||||
Token eof_tok;
|
||||
eof_tok.type = EOF_TOKEN;
|
||||
eof_tok.line = lexer->lineno;
|
||||
return eof_tok;
|
||||
}
|
||||
Token tok;
|
||||
char *tmp = NULL;
|
||||
while (is_whitespace(c)) {
|
||||
lexer_consume(lexer);
|
||||
c = lexer_curr(lexer);
|
||||
}
|
||||
switch (c) {
|
||||
case '[':
|
||||
tok.type = LBRACK;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case ']':
|
||||
tok.type = RBRACK;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '{':
|
||||
tok.type = LCURLY;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '}':
|
||||
tok.type = RCURLY;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '(':
|
||||
tok.type = LPAREN;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case ')':
|
||||
tok.type = RPAREN;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case ';':
|
||||
tok.type = SEMI;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case ',':
|
||||
tok.type = COMMA;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '*':
|
||||
tok.type = STAR;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '&':
|
||||
tok.type = ANDREF;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '/':
|
||||
if (lexer_peek(lexer) == '/') {
|
||||
while (lexer_curr(lexer) != '\n' && lexer_curr(lexer) != '\0') {
|
||||
lexer_consume(lexer);
|
||||
}
|
||||
if (lexer_curr(lexer) == '\n') {
|
||||
lexer_consume(lexer);
|
||||
}
|
||||
return lexer_next_token(lexer);
|
||||
} else {
|
||||
tok.type = ERROR;
|
||||
tok.line = lexer->lineno;
|
||||
}
|
||||
break;
|
||||
case '$':
|
||||
tok.type = DOLLAR;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '-':
|
||||
if (lexer_peek(lexer) == '>') {
|
||||
tok.type = ARROW;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
lexer_consume(lexer);
|
||||
} else {
|
||||
tok.type = ERROR;
|
||||
tok.line = lexer->lineno;
|
||||
}
|
||||
break;
|
||||
case '\"':
|
||||
tmp = calloc(4096, sizeof(char));
|
||||
size_t i = 0;
|
||||
char to_be_buff;
|
||||
lexer_consume(lexer);
|
||||
to_be_buff = lexer_curr(lexer);
|
||||
while (to_be_buff != '\"') {
|
||||
tmp[i] = to_be_buff;
|
||||
i++;
|
||||
lexer_consume(lexer);
|
||||
to_be_buff = lexer_curr(lexer);
|
||||
if (to_be_buff == '\n') {
|
||||
tok.type = ERROR;
|
||||
tok.line = lexer->lineno;
|
||||
lexer_consume(lexer);
|
||||
goto final;
|
||||
}
|
||||
}
|
||||
tok.type = STRING_LITERAL;
|
||||
tok.line = lexer->lineno;
|
||||
tok.data.len = i;
|
||||
tok.data.string = calloc(i + 1, sizeof(char));
|
||||
strncpy(tok.data.string, tmp, i + 1);
|
||||
tok.data.string[i] = '\0';
|
||||
|
||||
lexer_consume(lexer);
|
||||
break;
|
||||
case '\0':
|
||||
tok.type = ERROR;
|
||||
tok.line = lexer->lineno;
|
||||
break;
|
||||
default:
|
||||
if (is_digit(c)) {
|
||||
tmp = calloc(4096, sizeof(char));
|
||||
size_t i = 0;
|
||||
char tbb;
|
||||
tmp[i] = c;
|
||||
i++;
|
||||
lexer_consume(lexer);
|
||||
tbb = lexer_curr(lexer);
|
||||
while (is_digit(tbb)) {
|
||||
tmp[i] = tbb;
|
||||
i++;
|
||||
lexer_consume(lexer);
|
||||
tbb = lexer_curr(lexer);
|
||||
}
|
||||
tok.type = NUM;
|
||||
tok.line = lexer->lineno;
|
||||
tok.data.len = i;
|
||||
tok.data.string = calloc(i + 1, sizeof(char));
|
||||
tok.data.string[i] = '\0';
|
||||
strncpy(tok.data.string, tmp, i + 1);
|
||||
} else if (is_alpha(c)) {
|
||||
tmp = calloc(4096, sizeof(char));
|
||||
size_t i = 0;
|
||||
char tbb;
|
||||
tmp[i] = c;
|
||||
i++;
|
||||
lexer_consume(lexer);
|
||||
tbb = lexer_curr(lexer);
|
||||
while (is_alpha_digit(tbb)) {
|
||||
tmp[i] = tbb;
|
||||
i++;
|
||||
lexer_consume(lexer);
|
||||
tbb = lexer_curr(lexer);
|
||||
}
|
||||
tmp[i] = '\0';
|
||||
|
||||
// Check for keywords
|
||||
tok.line = lexer->lineno;
|
||||
if (strcmp(tmp, "val") == 0) {
|
||||
tok.type = VAL;// VAL token type not in enum, treating as ID
|
||||
} else if (strcmp(tmp, "return") == 0) {
|
||||
tok.type = RETURN;
|
||||
} else if (strcmp(tmp, "if") == 0) {
|
||||
tok.type = IF;
|
||||
} else if (strcmp(tmp, "else") == 0) {
|
||||
tok.type = ELSE;
|
||||
} else {
|
||||
tok.type = ID;
|
||||
tok.data.len = i;
|
||||
tok.data.string = calloc(i + 1, sizeof(char));
|
||||
strncpy(tok.data.string, tmp, i + 1);
|
||||
tok.data.string[i] = '\0';
|
||||
}
|
||||
|
||||
} else {
|
||||
tok.type = ERROR;
|
||||
tok.line = lexer->lineno;
|
||||
}
|
||||
break;
|
||||
}
|
||||
final:
|
||||
if (tmp != NULL) {
|
||||
free(tmp);
|
||||
}
|
||||
return tok;
|
||||
}
|
||||
|
||||
void free_lexer(Lexer *lexer) {
|
||||
void lexer_free(Lexer *lexer) {
|
||||
free(lexer->buffer);
|
||||
free(lexer);
|
||||
}
|
||||
27
src/main.c
Normal file
27
src/main.c
Normal file
@@ -0,0 +1,27 @@
|
||||
#include "globals.h"
|
||||
#include "lex.h"
|
||||
#include "util.h"
|
||||
|
||||
int main() {
|
||||
Lexer *lexer = lexer_new();
|
||||
|
||||
FILE *f = fopen("test.cval", "r");
|
||||
|
||||
if (f == NULL) {
|
||||
perror("Failed to open file");
|
||||
return 1;
|
||||
}
|
||||
|
||||
lexer_set_source(lexer, f);
|
||||
|
||||
Token tok;
|
||||
|
||||
do {
|
||||
tok = lexer_next_token(lexer);
|
||||
print_token(tok);
|
||||
} while(tok.type != EOF_TOKEN && tok.type != ERROR);
|
||||
|
||||
fclose(f);
|
||||
|
||||
return 0;
|
||||
}
|
||||
107
src/util.c
Normal file
107
src/util.c
Normal file
@@ -0,0 +1,107 @@
|
||||
#include "util.h"
|
||||
|
||||
#include <stdio.h>
|
||||
#include <string.h>
|
||||
|
||||
int is_whitespace(char c) {
|
||||
return c == ' ' || c == '\t' || c == '\n' || c == '\r' || c == '\v' || c == '\f';
|
||||
}
|
||||
|
||||
int is_alpha(char c) {
|
||||
char tmp_lower = c - 'a';
|
||||
char tmp_upper = c - 'A';
|
||||
|
||||
return (tmp_lower <= ('z' - 'a') && 0 <= tmp_lower) || (tmp_upper <= ('Z' - 'A') && 0 <= tmp_upper);
|
||||
}
|
||||
|
||||
int is_digit(char c) {
|
||||
char tmp = c - '0';
|
||||
return 0 <= tmp && tmp <= 9;
|
||||
}
|
||||
|
||||
int is_alpha_digit(char c) {
|
||||
return is_digit(c) || is_alpha(c) || c == '_';
|
||||
}
|
||||
|
||||
void print_token(Token tok) {
|
||||
char token_name[20];
|
||||
|
||||
switch (tok.type) {
|
||||
case LBRACK:
|
||||
strcpy(token_name, "LBRACK");
|
||||
break;
|
||||
case RBRACK:
|
||||
strcpy(token_name, "RBRACK");
|
||||
break;
|
||||
case LCURLY:
|
||||
strcpy(token_name, "LCURLY");
|
||||
break;
|
||||
case RCURLY:
|
||||
strcpy(token_name, "RCURLY");
|
||||
break;
|
||||
case LPAREN:
|
||||
strcpy(token_name, "LPAREN");
|
||||
break;
|
||||
case RPAREN:
|
||||
strcpy(token_name, "RPAREN");
|
||||
break;
|
||||
case SEMI:
|
||||
strcpy(token_name, "SEMI");
|
||||
break;
|
||||
case COMMA:
|
||||
strcpy(token_name, "COMMA");
|
||||
break;
|
||||
case ARROW:
|
||||
strcpy(token_name, "ARROW");
|
||||
break;
|
||||
case STAR:
|
||||
strcpy(token_name, "STAR");
|
||||
break;
|
||||
case ANDREF:
|
||||
strcpy(token_name, "ANDREF");
|
||||
break;
|
||||
case DOLLAR:
|
||||
strcpy(token_name, "DOLLAR");
|
||||
break;
|
||||
case COMMENT:
|
||||
strcpy(token_name, "COMMENT");
|
||||
break;
|
||||
case ID:
|
||||
strcpy(token_name, "ID");
|
||||
break;
|
||||
case NUM:
|
||||
strcpy(token_name, "NUM");
|
||||
break;
|
||||
case STRING_LITERAL:
|
||||
strcpy(token_name, "STRING_LITERAL");
|
||||
break;
|
||||
case VAL:
|
||||
strcpy(token_name, "VAL");
|
||||
break;
|
||||
case RETURN:
|
||||
strcpy(token_name, "RETURN");
|
||||
break;
|
||||
case IF:
|
||||
strcpy(token_name, "IF");
|
||||
break;
|
||||
case ELSE:
|
||||
strcpy(token_name, "ELSE");
|
||||
break;
|
||||
case EOF_TOKEN:
|
||||
strcpy(token_name, "EOF_TOKEN");
|
||||
break;
|
||||
case ERROR:
|
||||
strcpy(token_name, "ERROR");
|
||||
break;
|
||||
default:
|
||||
strcpy(token_name, "UNKNOWN");
|
||||
break;
|
||||
}
|
||||
|
||||
printf("Token Name: %s ", token_name);
|
||||
printf("Line: %u ", tok.line);
|
||||
if (tok.type == ID || tok.type == NUM || tok.type == STRING_LITERAL) {
|
||||
printf("Data: %s", tok.data.string);
|
||||
}
|
||||
printf("\n");
|
||||
}
|
||||
Reference in New Issue
Block a user