contrib/luasrcdiet/lua/llex.lua

   1 --[[--------------------------------------------------------------------
   2
   3   llex.lua: Lua 5.1 lexical analyzer in Lua
   4   This file is part of LuaSrcDiet, based on Yueliang material.
   5
   6   Copyright (c) 2008 Kein-Hong Man <khman@users.sf.net>
   7   The COPYRIGHT file describes the conditions
   8   under which this software may be distributed.
   9
  10   See the ChangeLog for more information.
  11
  12 ----------------------------------------------------------------------]]
  13
  14 --[[--------------------------------------------------------------------
  15 -- NOTES:
  16 -- * This is a version of the native 5.1.x lexer from Yueliang 0.4.0,
  17 --   with significant modifications to handle LuaSrcDiet's needs:
  18 --   (1) llex.error is an optional error function handler
  19 --   (2) seminfo for strings include their delimiters and no
  20 --       translation operations are performed on them
  21 -- * ADDED shbang handling has been added to support executable scripts
  22 -- * NO localized decimal point replacement magic
  23 -- * NO limit to number of lines
  24 -- * NO support for compatible long strings (LUA_COMPAT_LSTR)
  25 -- * Please read technotes.txt for more technical details.
  26 ----------------------------------------------------------------------]]
  27
  28 local base = _G
  29 local string = require "string"
  30 module "llex"
  31
  32 local find = string.find
  33 local match = string.match
  34 local sub = string.sub
  35
  36 ----------------------------------------------------------------------
  37 -- initialize keyword list, variables
  38 ----------------------------------------------------------------------
  39
  40 local kw = {}
  41 for v in string.gmatch([[
  42 and break do else elseif end false for function if in
  43 local nil not or repeat return then true until while]], "%S+") do
  44   kw[v] = true
  45 end
  46
  47 -- NOTE: see init() for module variables (externally visible):
  48 --       tok, seminfo, tokln
  49
  50 local z,                -- source stream
  51       sourceid,         -- name of source
  52       I,                -- position of lexer
  53       buff,             -- buffer for strings
  54       ln                -- line number
  55
  56 ----------------------------------------------------------------------
  57 -- add information to token listing
  58 ----------------------------------------------------------------------
  59
  60 local function addtoken(token, info)
  61   local i = #tok + 1
  62   tok[i] = token
  63   seminfo[i] = info
  64   tokln[i] = ln
  65 end
  66
  67 ----------------------------------------------------------------------
  68 -- handles line number incrementation and end-of-line characters
  69 ----------------------------------------------------------------------
  70
  71 local function inclinenumber(i, is_tok)
  72   local sub = sub
  73   local old = sub(z, i, i)
  74   i = i + 1  -- skip '\n' or '\r'
  75   local c = sub(z, i, i)
  76   if (c == "\n" or c == "\r") and (c ~= old) then
  77     i = i + 1  -- skip '\n\r' or '\r\n'
  78     old = old..c
  79   end
  80   if is_tok then addtoken("TK_EOL", old) end
  81   ln = ln + 1
  82   I = i
  83   return i
  84 end
  85
  86 ----------------------------------------------------------------------
  87 -- initialize lexer for given source _z and source name _sourceid
  88 ----------------------------------------------------------------------
  89
  90 function init(_z, _sourceid)
  91   z = _z                        -- source
  92   sourceid = _sourceid          -- name of source
  93   I = 1                         -- lexer's position in source
  94   ln = 1                        -- line number
  95   tok = {}                      -- lexed token list*
  96   seminfo = {}                  -- lexed semantic information list*
  97   tokln = {}                    -- line numbers for messages*
  98                                 -- (*) externally visible thru' module
  99   --------------------------------------------------------------------
 100   -- initial processing (shbang handling)
 101   --------------------------------------------------------------------
 102   local p, _, q, r = find(z, "^(#[^\r\n]*)(\r?\n?)")
 103   if p then                             -- skip first line
 104     I = I + #q
 105     addtoken("TK_COMMENT", q)
 106     if #r > 0 then inclinenumber(I, true) end
 107   end
 108 end
 109
 110 ----------------------------------------------------------------------
 111 -- returns a chunk name or id, no truncation for long names
 112 ----------------------------------------------------------------------
 113
 114 function chunkid()
 115   if sourceid and match(sourceid, "^[=@]") then
 116     return sub(sourceid, 2)  -- remove first char
 117   end
 118   return "[string]"
 119 end
 120
 121 ----------------------------------------------------------------------
 122 -- formats error message and throws error
 123 -- * a simplified version, does not report what token was responsible
 124 ----------------------------------------------------------------------
 125
 126 function errorline(s, line)
 127   local e = error or base.error
 128   e(string.format("%s:%d: %s", chunkid(), line or ln, s))
 129 end
 130 local errorline = errorline
 131
 132 ------------------------------------------------------------------------
 133 -- count separators ("=") in a long string delimiter
 134 ------------------------------------------------------------------------
 135
 136 local function skip_sep(i)
 137   local sub = sub
 138   local s = sub(z, i, i)
 139   i = i + 1
 140   local count = #match(z, "=*", i)  -- note, take the length
 141   i = i + count
 142   I = i
 143   return (sub(z, i, i) == s) and count or (-count) - 1
 144 end
 145
 146 ----------------------------------------------------------------------
 147 -- reads a long string or long comment
 148 ----------------------------------------------------------------------
 149
 150 local function read_long_string(is_str, sep)
 151   local i = I + 1  -- skip 2nd '['
 152   local sub = sub
 153   local c = sub(z, i, i)
 154   if c == "\r" or c == "\n" then  -- string starts with a newline?
 155     i = inclinenumber(i)  -- skip it
 156   end
 157   local j = i
 158   while true do
 159     local p, q, r = find(z, "([\r\n%]])", i) -- (long range)
 160     if not p then
 161       errorline(is_str and "unfinished long string" or
 162                 "unfinished long comment")
 163     end
 164     i = p
 165     if r == "]" then                    -- delimiter test
 166       if skip_sep(i) == sep then
 167         buff = sub(z, buff, I)
 168         I = I + 1  -- skip 2nd ']'
 169         return buff
 170       end
 171       i = I
 172     else                                -- newline
 173       buff = buff.."\n"
 174       i = inclinenumber(i)
 175     end
 176   end--while
 177 end
 178
 179 ----------------------------------------------------------------------
 180 -- reads a string
 181 ----------------------------------------------------------------------
 182
 183 local function read_string(del)
 184   local i = I
 185   local find = find
 186   local sub = sub
 187   while true do
 188     local p, q, r = find(z, "([\n\r\\\"\'])", i) -- (long range)
 189     if p then
 190       if r == "\n" or r == "\r" then
 191         errorline("unfinished string")
 192       end
 193       i = p
 194       if r == "\\" then                         -- handle escapes
 195         i = i + 1
 196         r = sub(z, i, i)
 197         if r == "" then break end -- (EOZ error)
 198         p = find("abfnrtv\n\r", r, 1, true)
 199         ------------------------------------------------------
 200         if p then                               -- special escapes
 201           if p > 7 then
 202             i = inclinenumber(i)
 203           else
 204             i = i + 1
 205           end
 206         ------------------------------------------------------
 207         elseif find(r, "%D") then               -- other non-digits
 208           i = i + 1
 209         ------------------------------------------------------
 210         else                                    -- \xxx sequence
 211           local p, q, s = find(z, "^(%d%d?%d?)", i)
 212           i = q + 1
 213           if s + 1 > 256 then -- UCHAR_MAX
 214             errorline("escape sequence too large")
 215           end
 216         ------------------------------------------------------
 217         end--if p
 218       else
 219         i = i + 1
 220         if r == del then                        -- ending delimiter
 221           I = i
 222           return sub(z, buff, i - 1)            -- return string
 223         end
 224       end--if r
 225     else
 226       break -- (error)
 227     end--if p
 228   end--while
 229   errorline("unfinished string")
 230 end
 231
 232 ------------------------------------------------------------------------
 233 -- main lexer function
 234 ------------------------------------------------------------------------
 235
 236 function llex()
 237   local find = find
 238   local match = match
 239   while true do--outer
 240     local i = I
 241     -- inner loop allows break to be used to nicely section tests
 242     while true do--inner
 243       ----------------------------------------------------------------
 244       local p, _, r = find(z, "^([_%a][_%w]*)", i)
 245       if p then
 246         I = i + #r
 247         if kw[r] then
 248           addtoken("TK_KEYWORD", r)             -- reserved word (keyword)
 249         else
 250           addtoken("TK_NAME", r)                -- identifier
 251         end
 252         break -- (continue)
 253       end
 254       ----------------------------------------------------------------
 255       local p, _, r = find(z, "^(%.?)%d", i)
 256       if p then                                 -- numeral
 257         if r == "." then i = i + 1 end
 258         local _, q, r = find(z, "^%d*[%.%d]*([eE]?)", i)
 259         i = q + 1
 260         if #r == 1 then                         -- optional exponent
 261           if match(z, "^[%+%-]", i) then        -- optional sign
 262             i = i + 1
 263           end
 264         end
 265         local _, q = find(z, "^[_%w]*", i)
 266         I = q + 1
 267         local v = sub(z, p, q)                  -- string equivalent
 268         if not base.tonumber(v) then            -- handles hex test also
 269           errorline("malformed number")
 270         end
 271         addtoken("TK_NUMBER", v)
 272         break -- (continue)
 273       end
 274       ----------------------------------------------------------------
 275       local p, q, r, t = find(z, "^((%s)[ \t\v\f]*)", i)
 276       if p then
 277         if t == "\n" or t == "\r" then          -- newline
 278           inclinenumber(i, true)
 279         else
 280           I = q + 1                             -- whitespace
 281           addtoken("TK_SPACE", r)
 282         end
 283         break -- (continue)
 284       end
 285       ----------------------------------------------------------------
 286       local r = match(z, "^%p", i)
 287       if r then
 288         buff = i
 289         local p = find("-[\"\'.=<>~", r, 1, true)
 290         if p then
 291           -- two-level if block for punctuation/symbols
 292           --------------------------------------------------------
 293           if p <= 2 then
 294             if p == 1 then                      -- minus
 295               local c = match(z, "^%-%-(%[?)", i)
 296               if c then
 297                 i = i + 2
 298                 local sep = -1
 299                 if c == "[" then
 300                   sep = skip_sep(i)
 301                 end
 302                 if sep >= 0 then                -- long comment
 303                   addtoken("TK_LCOMMENT", read_long_string(false, sep))
 304                 else                            -- short comment
 305                   I = find(z, "[\n\r]", i) or (#z + 1)
 306                   addtoken("TK_COMMENT", sub(z, buff, I - 1))
 307                 end
 308                 break -- (continue)
 309               end
 310               -- (fall through for "-")
 311             else                                -- [ or long string
 312               local sep = skip_sep(i)
 313               if sep >= 0 then
 314                 addtoken("TK_LSTRING", read_long_string(true, sep))
 315               elseif sep == -1 then
 316                 addtoken("TK_OP", "[")
 317               else
 318                 errorline("invalid long string delimiter")
 319               end
 320               break -- (continue)
 321             end
 322           --------------------------------------------------------
 323           elseif p <= 5 then
 324             if p < 5 then                       -- strings
 325               I = i + 1
 326               addtoken("TK_STRING", read_string(r))
 327               break -- (continue)
 328             end
 329             r = match(z, "^%.%.?%.?", i)        -- .|..|... dots
 330             -- (fall through)
 331           --------------------------------------------------------
 332           else                                  -- relational
 333             r = match(z, "^%p=?", i)
 334             -- (fall through)
 335           end
 336         end
 337         I = i + #r
 338         addtoken("TK_OP", r)  -- for other symbols, fall through
 339         break -- (continue)
 340       end
 341       ----------------------------------------------------------------
 342       local r = sub(z, i, i)
 343       if r ~= "" then
 344         I = i + 1
 345         addtoken("TK_OP", r)                    -- other single-char tokens
 346         break
 347       end
 348       addtoken("TK_EOS", "")                    -- end of stream,
 349       return                                    -- exit here
 350       ----------------------------------------------------------------
 351     end--while inner
 352   end--while outer
 353 end
 354
 355 return base.getfenv()