better lexer
[cc1516.git] / src / lex.icl
index 8aae65a..ac5168f 100644 (file)
@@ -1,10 +1,8 @@
 implementation module lex
 
 import Control.Monad, Control.Applicative
-import Data.Either, Data.Maybe, Data.Map, Data.Func
-import StdString
-import StdTuple
-from StdFunc import const, o
+import Data.Either, Data.Func, Data.Maybe, Data.Functor
+from StdFunc import o
 import StdBool
 import StdList
 import StdChar
@@ -16,78 +14,62 @@ lexer r = case runParser lexProgram r of
        (Right p, _) = Right p
        (Left e, _) = Left $ toString e
 
-trans1 :: Char a -> Parser Char a
-trans1 t r = item t >>| pure r
-
 lexProgram :: Parser Char [Token]
-lexProgram = lexToken >>= \t->pure [(0, 0, t)]
+lexProgram = catMaybes <$> some lexToken <* eof
+       >>= \ts->pure $ (map (\t->(0, 0, t)) ts)
 
-lexToken :: Parser Char TokenValue
+lexToken :: Parser Char (Maybe TokenValue)
 lexToken = 
-       (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) <|>
-       //Escape chars
-       (liftM CharToken $ item '\'' *> item '\\' *> lexEscape <* item '\'') <|>
-       //Normal chars
-       (liftM CharToken $ item '\'' *> satisfy ((<>) '\'') <* item '\'') <|>
-       (lexOp "::" DoubleColonToken) <|>
-       (lexOp "!=" NotEqualToken) <|>
-       (lexOp "<=" LesserEqToken) <|>
-       (lexOp ">=" GreaterEqToken) <|>
-       (lexOp "==" EqualsToken) <|>
-       (lexOp "&&" AmpersandsToken) <|>
-       (lexOp "||" PipesToken) <|>
-       (lexOp "[]" EmptyListToken) <|>
-       (lexOp "->" ArrowToken) <|>
-       (lexOp "(" BraceOpenToken) <|>
-       (lexOp ")" BraceCloseToken) <|>
-       (lexOp "{" CBraceOpenToken) <|>
-       (lexOp "}" CBraceCloseToken) <|>
-       (lexOp "[" SquareOpenToken) <|>
-       (lexOp "]" SquareCloseToken) <|>
-       (lexOp "," CommaToken) <|>
-       (lexOp ":" ColonToken) <|>
-       (lexOp ";" SColonToken) <|>
-       (lexOp "." DotToken) <|>
-       (lexOp "+" PlusToken) <|>
-       (lexOp "*" StarToken) <|>
-       (lexOp "/" SlashToken) <|>
-       (lexOp "%" PercentToken) <|>
-       (lexOp "=" AssignmentToken) <|>
-       (lexOp "<" LesserToken) <|>
-       (lexOp ">" BiggerToken) <|>
-       (lexOp "!" ExclamationToken) <|>
-       (lexOp "-" DashToken) <|>
-       //Numbers
-       (liftM (NumberToken o toInt o toString) $ some $ satisfy isDigit) <|>
-       //Identifiersr
-       (liftM IdentToken $ some $ satisfy isIdentChar) <|>
-       (satisfy isSpace >>| lexToken)
-
-lexEscape = (
-       lexOp "a" (toChar 7) <|>
-       lexOp "b" '\b' <|>
-       lexOp "f" '\f' <|>
-       lexOp "n" '\n' <|>
-       lexOp "r" '\t' <|>
-       lexOp "v" '\v' <|>
-       lexOp "'" '\''
-       ) <?> ("Unknown escape", 0)
-
-lexKw :: String a -> Parser Char a
-lexKw kw tv = list (fromString kw) <* check (not o isIdentChar) >>| pure tv
-
-lexOp :: String a -> Parser Char a
-lexOp s tv = list (fromString s) >>| pure tv
-
-isIdentChar :: Char -> Bool
-isIdentChar c = isAlphanum c || c == '_'
+    //Comments
+    (list (fromString "//") >>| lexUntilNL >>| pure Nothing) <|>
+    (list (fromString "/*") >>| lexUntilCommentClose >>| pure Nothing) <|>
+       //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 <|>
+       //Escape chars tokens
+       liftM (Just o CharToken)
+               (list (fromString "'\\") *> lexEscape <* item '\'') <|>
+       //Normal chars tokens
+       liftM (Just o CharToken)
+               (item '\'' *> satisfy ((<>) '\'') <* item '\'') <|>
+       //Two char ops tokens
+       lexOp "::" DoubleColonToken <|> lexOp "!=" NotEqualToken <|>
+       lexOp "<=" LesserEqToken <|> lexOp ">=" GreaterEqToken <|>
+       lexOp "==" EqualsToken <|> lexOp "&&" AmpersandsToken <|>
+       lexOp "||" PipesToken <|> lexOp "[]" EmptyListToken <|>
+       lexOp "->" ArrowToken <|> 
+       //One char ops tokens
+    lexOp "(" BraceOpenToken <|>
+       lexOp ")" BraceCloseToken <|> lexOp "{" CBraceOpenToken <|>
+       lexOp "}" CBraceCloseToken <|> lexOp "[" SquareOpenToken <|>
+       lexOp "]" SquareCloseToken <|> lexOp "," CommaToken <|>
+       lexOp ":" ColonToken <|> lexOp ";" SColonToken <|>
+       lexOp "." DotToken <|> lexOp "+" PlusToken <|>
+       lexOp "*" StarToken <|> lexOp "/" SlashToken <|>
+       lexOp "%" PercentToken <|> lexOp "=" AssignmentToken <|>
+       lexOp "<" LesserToken <|> lexOp ">" BiggerToken <|>
+       lexOp "!" ExclamationToken <|> lexOp "-" DashToken <|>
+       //Number tokens
+       liftM (Just o NumberToken o toInt o toString) (some $ satisfy isDigit) <|>
+       //Ident tokens
+       liftM (Just o IdentToken o toString) (some $ satisfy isIdentChar) <|>
+       (satisfy isSpace >>| pure Nothing)
+       where
+               lexUntilNL = top until (eof <|> (item '\n' >>| pure Void))
+               lexUntilCommentClose = top until (list (fromString "*/"))
+               isIdentChar c = isAlphanum c || c == '_'
+               lexOp s tv = list (fromString s) >>| pure (Just tv)
+               lexKw kw tv = lexOp kw tv <* check (not o isIdentChar)
+               lexEscape = fromJust <$> ((
+                       lexOp "a" (toChar 7) <|> lexOp "b" '\b' <|> lexOp "f" '\f' <|>
+                       lexOp "n" '\n' <|> lexOp "r" '\t' <|> lexOp "v" '\v' <|>
+                       lexOp "'" '\'') <?> ("Unknown escape", 0))