Presentationf inished
[cc1516.git] / lex.icl
diff --git a/lex.icl b/lex.icl
index cbdcd65..aa34987 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
+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 $
-
-// Misschien moeten we hier continuation style van maken
-instance toString lexerOutput where
-       toString l = "dit is een lexer output, danwel error\n"
-
-lexer :: [Char] -> LexerOutput [Token]
-lexer i = let (out, rest) = runParser (many anyT) i in case rest of
-            []  = out
-            _   = Left "Unexpected input after last 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
+import StdTuple
+
+import yard
+import AST
+
+:: LexItem
+       = LexToken Int TokenValue
+       | LexSpace Int Int
+       | LexNL
+       | LexEOF
+       | LexItemError String
+
+lexer :: [Char] -> LexerOutput
+lexer r = fst $ runParser (lexProgram 1 1) r
+
+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]
+
+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 <|>
+       //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 <|>
+       //Number and identifier tokens
+       lexNumber <|> lexIdentifier <|>
+       (item '\n' >>| pure LexNL) <|>
+       //Whitespace
+       (satisfy isSpace >>| (pure $ LexSpace 0 1)) <|>
+       (eof >>| pure LexEOF)
        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
\ No newline at end of file
+               lexWord :: String TokenValue -> Parser Char LexItem
+               lexWord s tv = list ls >>| pure (LexToken (length ls) tv)
+                       where ls = fromString 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 char of
+                               'a' = LexToken 4 (CharToken $ toChar 7)
+                               'b' = LexToken 4 (CharToken '\b')
+                               'b' = LexToken 4 (CharToken '\b')
+                               'f' = LexToken 4 (CharToken '\f')
+                               'n' = LexToken 4 (CharToken '\n')
+                               'r' = LexToken 4 (CharToken '\t')
+                               'v' = LexToken 4 (CharToken '\v')
+                               '\'' =LexToken 4 (CharToken '\'')
+                               c = (LexItemError $ "Unknown escape: " +++ toString c)