curry gotcha
[cc1516.git] / lex.icl
diff --git a/lex.icl b/lex.icl
index 75fab23..15ae4f1 100644 (file)
--- a/lex.icl
+++ b/lex.icl
 implementation module lex
 
-import Data.Either
-import Data.List
+import Control.Monad, Control.Applicative
+import Data.Either, Data.Func, Data.Void
+import Data.Map
+from StdFunc import o
+import StdBool
+import StdList
+import StdChar
 import StdString
-import System.CommandLine
-import StdFile
-import StdMisc
-from StdFunc import id, const
-import Data.Maybe
-import Control.Applicative
-import Control.Monad
-import Control.Monad.State
-import Data.Functor
-from Data.Func import $
-from Text import class Text, instance Text String
-import qualified Text
+import StdTuple
 
-lexer :: [Char] -> LexerOutput [Token]
-lexer _ = undef
+import yard
+import AST
 
-// Misschien moeten we hier continuation style van maken
-instance toString (LexerOutput [Token]) where
-       toString (Left l) = "Error: " +++ l
-       toString (Right x) = 'Text'.concat (print 0 x)
+:: LexItem
+       = LexToken Int TokenValue
+       | LexSpace Int Int
+       | LexNL
+       | LexEOF
+       | LexItemError String
 
-print :: Int [Token] -> [String]
-print i [(IdentToken l):rest] = [tab i:toString l:print i rest]
-print i [(NumberToken j):rest] = [tab i:toString j:print i rest]
-print i [(CharToken c):rest] = [tab i:"'":toString c:"'":print i rest]
-print i [VarToken:rest] = [tab i:"var":print i rest]
-print i [VoidToken:rest] = [tab i:"Void":print i rest]
-print i [ReturnToken:rest] = [tab i:"return":print i rest]
-print i [IfToken:rest] = [tab i:"if":print i rest]
-print i [ElseToken:rest] = [tab i:"else":print i rest]
-print i [WhileToken:rest] = [tab i:"while":print i rest]
-print i [TrueToken:rest] = [tab i:"True":print i rest]
-print i [FalseToken:rest] = [tab i:"False":print i rest]
-print i [BraceOpenToken:rest] = [tab i:"(":print i rest]
-print i [BraceCloseToken:rest] = [tab i:")":print i rest]
-print i [CBraceOpenToken:rest] = [tab i:"{\n":print (i+1) rest]
-print i [CBraceCloseToken:rest] = [tab i:"}\n":print (i-1) rest]
-print i [SquareOpenToken:rest] = [tab i:"[":print i rest]
-print i [SquareCloseToken:rest] = [tab i:"]":print i rest]
-print i [CommaToken:rest] = [tab i:", ":print i rest]
-print i [ColonToken:rest] = [tab i:":":print i rest]
-print i [SColonToken:rest] = [tab i:";\n":print i rest]
-print i [DotToken:rest] = [tab i:".":print i rest]
-print i [PlusToken:rest] = [tab i:" + ":print i rest]
-print i [DashToken:rest] = [tab i:" - ":print i rest]
-print i [StarToken:rest] = [tab i:" * ":print i rest]
-print i [SlashToken:rest] = [tab i:" / ":print i rest]
-print i [PercentToken:rest] = [tab i:" % ":print i rest]
-print i [AssignmentToken:rest] = [tab i:" = ":print i rest]
-print i [LesserToken:rest] = [tab i:" < ":print i rest]
-print i [BiggerToken:rest] = [tab i:" > ":print i rest]
-print i [ExclamationToken:rest] = [tab i:"!":print i rest]
-print i [DoubleColonToken:rest] = [tab i:" :: ":print i rest]
-print i [LesserEqToken:rest] = [tab i:" <= ":print i rest]
-print i [GreaterEqToken:rest] = [tab i:" >= ":print i rest]
-print i [EqualsToken:rest] = [tab i:" == ":print i rest]
-print i [AmpersandsToken:rest] = [tab i:" && ":print i rest]
-print i [PipesToken:rest] = [tab i:" || ":print i rest]
-print i [ArrowToken:rest] = [tab i:" -> ":print i rest]
+escapes :: Map Char Char
+escapes = fromList [('a', toChar 7), ('b', '\b'), ('f', '\f'), ('n', '\n'),
+       ('r', '\r'), ('t', '\t'), ('v', '\v'), ('\'', '\''), ('"', '"')]
 
-tab :: Int -> String
-tab 0 = ""
-tab i = "\t" +++ tab (i-1)
+lexer :: [Char] -> LexerOutput
+lexer r = fst $ runParser (lexProgram 1 1) r
 
-lex :: [Char] -> LexerOutput [Token]
-lex ['v':'a':'r':rest] = undef
-lex ['V':'o':'i':'d':rest] = undef
-lex ['r':'e':'t':'u':'r':'n':rest] = undef
-lex ['i':'f':rest] = undef
-lex ['e':'l':'s':'e':rest] = undef
-lex ['w':'h':'i':'l':'e':rest] = undef
-lex ['T':'r':'u':'e':rest] = undef
-lex ['F':'a':'l':'s':'e':rest] = undef
-lex [':':':':rest] = undef
-lex ['<':'=':rest] = undef
-lex ['>':'=':rest] = undef
-lex ['=':'=':rest] = undef
-lex ['&':'&':rest] = undef
-lex ['|':'|':rest] = undef
-lex ['-':'>':rest] = undef
-lex ['(':rest] = undef
-lex [')':rest] = undef
-lex ['{':rest] = undef
-lex ['{':rest] = undef
-lex ['[':rest] = undef
-lex [':rest]':rest] = undef
-lex [',':rest] = undef
-lex [':':rest] = undef
-lex [';':rest] = undef
-lex ['.':rest] = undef
-lex ['+':rest] = undef
-lex ['-':rest] = undef
-lex ['*':rest] = undef
-lex ['/':rest] = undef
-lex ['%':rest] = undef
-lex ['=':rest] = undef
-lex ['<':rest] = undef
-lex ['>':rest] = undef
-lex ['!':rest] = undef
-lex ['\'':'\\':x'\'':rest] = case x of
-       'a' = undef // (CharToken '\a')
-       'b' = undef // (CharToken '\b')
-       'f' = undef // (CharToken '\f')
-       'n' = undef // (CharToken '\n')
-       'r' = undef // (CharToken '\r')
-       't' = undef // (CharToken '\t')
-       'v' = undef // (CharToken '\v')
-       _ = Left ("Illegal escape: \\" +++ x)
-lex ['\'':x:'\'':rest] = undef
-lex [x:xs]
-| isSpace x = lex xs
-| isDigit x = undef //Parse Int
-| isAlpha x = undef //Parse ident
-| otherwise = Left ("Unexpected character: " +++ toString x)
+lexProgram :: Int Int -> Parser Char [Token]
+lexProgram line column = lexToken >>= \t->case t of
+       LexEOF = pure []
+       LexNL = lexProgram (line+1) 1
+       (LexSpace l c) = lexProgram (line+l) (column+c)
+       (LexItemError e) = fail <?>
+               PositionalError line column ("LexerError: " +++ e)
+       (LexToken c t) = lexProgram line (column+c)
+               >>= \rest->pure [({line=line,col=column}, t):rest]
 
-Start = "Hi"
+lexToken :: Parser Char LexItem
+lexToken =
+       //Comments
+       lexBlockComment <|> lexComment <|>
+       //Keyword tokens
+       lexKw "var" VarToken <|> lexKw "Void" VoidToken <|>
+       lexKw "return" ReturnToken <|> lexKw "if" IfToken <|>
+       lexKw "else" ElseToken <|> lexKw "while" WhileToken <|>
+       lexKw "True" TrueToken <|> lexKw "False" FalseToken <|>
+       lexKw "Int" IntTypeToken <|> lexKw "Bool" BoolTypeToken <|>
+       lexKw "Char" CharTypeToken <|>
+    lexKw "let" LetToken <|>
+       //Character tokens
+       lexEscape <|> lexCharacter <|>
+       //Two char ops tokens
+       lexWord "::" DoubleColonToken <|> lexWord "!=" NotEqualToken <|>
+       lexWord "<=" LesserEqToken <|> lexWord ">=" GreaterEqToken <|>
+       lexWord "==" EqualsToken <|> lexWord "&&" AmpersandsToken <|>
+       lexWord "||" PipesToken <|> lexWord "[]" EmptyListToken <|>
+       lexWord "->" ArrowToken <|>
+       //One char ops tokens
+    lexWord "(" BraceOpenToken <|> lexWord ")" BraceCloseToken <|>
+       lexWord "{" CBraceOpenToken <|> lexWord "}" CBraceCloseToken <|>
+       lexWord "[" SquareOpenToken <|> lexWord "]" SquareCloseToken <|>
+       lexWord "," CommaToken <|> lexWord ":" ColonToken <|>
+       lexWord ";" SColonToken <|> lexWord "." DotToken <|>
+       lexWord "+" PlusToken <|> lexWord "*" StarToken <|>
+       lexWord "/" SlashToken <|> lexWord "%" PercentToken <|>
+       lexWord "=" AssignmentToken <|> lexWord "<" LesserToken <|>
+       lexWord ">" BiggerToken <|> lexWord "!" ExclamationToken <|>
+       lexWord "-" DashToken <|> lexWord "\\" BackslashToken <|>
+       //Number and identifier tokens
+       lexString <|> lexNumber <|> lexIdentifier <|>
+       (item '\n' >>| pure LexNL) <|>
+       //Whitespace
+       (satisfy isSpace >>| (pure $ LexSpace 0 1)) <|>
+       (eof >>| pure LexEOF)
+       where
+               lexWord :: String TokenValue -> Parser Char LexItem
+               lexWord s tv = list ls >>| pure (LexToken (length ls) tv)
+                       where ls = fromString s
 
-//:: LexerOutput a :== Either String a
-//
-//
-//runParser :: (Parser a) [Char] -> (LexerOutput a, [Char])
-//runParser (Parser p) s = p s
-//
-//lexer :: [Char] -> LexerOutput [Token]
-//
-////lexer functions
-//identT  = alpha >>= \a -> many (char '_' <|> alphaNum) >>= \as -> return $ IdentToken [a:as]
-//numberT = optional (char '-') >>= \sign -> (some digit) >>= \n -> case sign of
-//            Nothing -> return $ NumberToken $ 5  //fromString n
-//            _       -> return $ NumberToken $ -5 //(fromString n) * -1
-//charLT  = CharToken <$> (char '\'' *> item <* char '\'')
-//char2T  = item >>= \c1 -> case c1 of
-//            ':' = char ':' >>| return DoubleColonToken
-//            '<' = char '=' >>| return LesserEqToken
-//            '>' = char '=' >>| return GreaterEqToken
-//            '=' = char '=' >>| return EqualsToken
-//            '&' = char '&' >>| return AmpersandsToken
-//            '|' = char '|' >>| return PipesToken
-//            '-' = char '>' >>| return ArrowToken
-//            _   = zero
-//char1T  = item >>= \c1 -> findT c1 charTokenMap
-//varT    = string (fromString "var") >>| return VarToken
-//voidT   = string (fromString "Void") >>| return VoidToken
-//returnT = string (fromString "return") >>| return ReturnToken
-//ifT     = string (fromString "if") >>| return IfToken
-//elseT   = string (fromString "else") >>| return ElseToken
-//whileT  = string (fromString "while") >>| return WhileToken
-//trueT   = string (fromString "True") >>| return TrueToken
-//falseT  = string (fromString "False") >>| return FalseToken
-////note, for the anyToken parser the order matters!
-//anyT    = char2T <|> char1T <|> varT <|> voidT <|> returnT <|> ifT <|> elseT <|> whileT <|>
-//          trueT <|> falseT <|> numberT <|> identT <|> charLT
-//
-//Start :: *World -> *World
-//Start w
-//# (args, w) = getCommandLine w // We lezen nu nog standaard van stdin
-//# (out, w) = stdio w
-//# (toparse, out) = readEntireFile out
-//# out = out <<< toString (lexer toparse)
-//# (b, w) = fclose out w
-//| not b = setReturnCode 1 w
-//= w
-//     where
-//             readEntireFile :: *File -> *([Char], *File)
-//             readEntireFile f
-//             # (b, c, f) = freadc f
-//             | not b = ([], f)
-//             # (cs, f) = readEntireFile f
-//             = ([c:cs], f)
-//
-//
-//
-//charTokenMap =  [('(', BraceOpenToken)
-//                ,(')', BraceCloseToken)
-//                ,('{', CBraceOpenToken)
-//                ,('}', CBraceCloseToken)
-//                ,('[', SquareOpenToken)
-//                ,(']', SquareCloseToken)
-//                ,(',', CommaToken)
-//                ,(':', ColonToken)
-//                ,(';', SColonToken)
-//                ,('.', DotToken)
-//                ,('+', PlusToken)
-//                ,('-', DashToken)
-//                ,('*', StarToken)
-//                ,('/', SlashToken)
-//                ,('%', PercentToken)
-//                ,('=', AssignmentToken)
-//                ,('<', LesserToken)
-//                ,('>', BiggerToken)
-//                ,('!', ExclamationToken)]
-//findT c []           = fail "Unrecognized character"
-//findT c [(k,v):xs]   = if (c==k) (return v) (findT c xs)
-//
-//
-//// Clean adaption of Yard, a parsec like parser combinator
-//:: Parser a = Parser ([Char] -> (LexerOutput a, [Char]))
-//
-//runParser :: (Parser a) [Char] -> (LexerOutput a, [Char])
-//runParser (Parser p) s = p s
-//
-//instance Functor Parser where
-//    fmap f s    = liftM f s
-//
-//instance Applicative Parser where
-//    pure a      = Parser $ \s -> (Right a, s) 
-//    (<*>) sf s  = ap sf s
-//
-//instance Monad Parser where
-//    bind p f    = Parser $ \s -> let (out, rest) = runParser p s in case out of
-//                    Left e  = (Left e, rest)
-//                    Right t = runParser (f t) rest
-//
-////gives us some, many and optional
-//instance Alternative Parser where
-//    empty       = zero
-//    (<|>) p1 p2 = Parser $ \s -> let (out, rest) = runParser p1 s in case out of
-//                    Left e  = runParser p2 s
-//                    Right t = (Right t, rest)
-//
-////parser that fails with error
-//fail :: String -> Parser a
-//fail e = Parser $ \s -> (Left e, s)
-//
-////parser that always fails
-//zero :: Parser a
-//zero = fail "Zero parser"
-//
-////matches exactly one Char
-//item :: Parser Char
-//item = Parser $ \s -> case s of 
-//        []      = (Left "Unexpected empty input", s)
-//        [x:xs]  = (Right x, xs)
-//
-////matches any char which satisfies f
-//satisfy :: (Char -> Bool) -> Parser Char
-//satisfy f = item >>= (\r -> if (f r) (return r) zero)
-//
-////tries a parser, if it fails returns a default value
-//optionalDef :: a (Parser a) -> Parser a
-//optionalDef def p = p <|> return def
-//
-////matched given char
-//char :: Char -> Parser Char
-//char c = satisfy (\i -> c==i) //I hate that we can't do: satisfy (==c)
-//
-//alpha :: Parser Char
-//alpha = satisfy isAlpha
-//
-//digit :: Parser Char
-//digit = satisfy isDigit
-//
-//alphaNum :: Parser Char
-//alphaNum = alpha <|> digit
-//
-////matches a given String
-//string :: [Char] -> Parser [Char]
-//string s = mapM_ char s >>| return s
+               lexKw :: String TokenValue -> Parser Char LexItem
+               lexKw kw tv = lexWord kw tv <* check (not o isIdentChar)
+
+               lexComment :: Parser Char LexItem
+               lexComment = list (fromString "//") 
+                       >>| top until (eof <|> (item '\n' >>| pure Void)) >>| pure LexNL
+
+               lexBlockComment :: Parser Char LexItem
+               lexBlockComment = list (fromString "/*")
+                       >>| (top until (list (fromString "*/")))
+                       >>= \chars->pure $ widthHeight chars 0 0
+                       where
+                               widthHeight :: [Char] Int Int -> LexItem
+                               widthHeight [] l c = LexSpace l c
+                               widthHeight ['\n':xs] l _ = widthHeight xs (l+1) 0
+                               widthHeight [x:xs] l c = widthHeight xs l (c+1)
+
+               lexNumber :: Parser Char LexItem
+               lexNumber = some (satisfy isDigit) >>= \si->pure $
+                       LexToken (length si) (NumberToken $ toInt $ toString si)
+
+               lexIdentifier :: Parser Char LexItem
+               lexIdentifier = some (satisfy isIdentChar)
+                       >>= \si->pure $ LexToken (length si) (IdentToken $ toString si)
+
+               isIdentChar c = isAlphanum c || c == '_'
+
+               lexCharacter :: Parser Char LexItem
+               lexCharacter = item '\'' *> satisfy ((<>) '\'') <* item '\''
+                       >>= \char->pure $ LexToken 3 (CharToken char)
+
+               lexEscape :: Parser Char LexItem
+               lexEscape = item '\'' *> item '\\' *> top <* item '\''
+                       >>= \char->pure case get char escapes of
+                               Just e = LexToken 4 (CharToken e)
+                               Nothing = LexItemError $ "Unknown escape: " +++ toString char
+
+               lexString :: Parser Char LexItem
+               lexString = item '"' *> (
+                       many (
+                               (satisfy (\c->c <> '"' && c <> '\\')) <|>
+                               (item '\\' *> top >>= \char->case get char escapes of
+                                       Just e = pure e
+                                       Nothing = empty)
+                       ))<* item '"' >>= \cs-> pure $ LexToken (length cs) (StringToken cs)