helm/ocaml/cic_disambiguation/cicTextualLexer2.ml

   1 (* Copyright (C) 2004, HELM Team.
   2  *
   3  * This file is part of HELM, an Hypertextual, Electronic
   4  * Library of Mathematics, developed at the Computer Science
   5  * Department, University of Bologna, Italy.
   6  *
   7  * HELM is free software; you can redistribute it and/or
   8  * modify it under the terms of the GNU General Public License
   9  * as published by the Free Software Foundation; either version 2
  10  * of the License, or (at your option) any later version.
  11  *
  12  * HELM is distributed in the hope that it will be useful,
  13  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  14  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  15  * GNU General Public License for more details.
  16  *
  17  * You should have received a copy of the GNU General Public License
  18  * along with HELM; if not, write to the Free Software
  19  * Foundation, Inc., 59 Temple Place - Suite 330, Boston,
  20  * MA  02111-1307, USA.
  21  *
  22  * For details, see the HELM World-Wide-Web page,
  23  * http://helm.cs.unibo.it/
  24  *)
  25
  26 exception Error of int * int * string
  27
  28 exception Not_an_extended_ident
  29
  30 let regexp alpha = [ 'a' - 'z' 'A' - 'Z' ]
  31 let regexp digit = [ '0' - '9' ]
  32 let regexp blank = [ ' ' '\t' '\n' ]
  33 let regexp paren = [ '(' '[' '{' ')' ']' '}' ]
  34 let regexp implicit = '?'
  35 let regexp placeholder = '%'
  36 let regexp symbol_char =
  37   [^ 'a' - 'z' 'A' - 'Z' '0' - '9'
  38      ' ' '\t' '\n'
  39      '\\' '(' '[' '{' ')' ']' '}' '?'
  40   ]
  41
  42 let regexp comment_char = [^'*'] | '*'[^')']
  43 let regexp note = "(*" ([^'*'] | "**") comment_char* "*)"
  44
  45 let regexp commentbegin = "(**" blank
  46 let regexp commentend = "*)"
  47
  48 let regexp blanks = blank+
  49 let regexp num = digit+
  50 let regexp tex_token = '\\' alpha+
  51 let regexp symbol = symbol_char
  52 let regexp ident_cont = alpha | num | '_' | '\''
  53 let regexp ident_cont' = ident_cont | tex_token
  54 let regexp ident = (alpha ident_cont*) | ('_' ident_cont+)
  55 let regexp ident' = ((alpha | tex_token) ident_cont'*) | ('_' ident_cont'+)
  56 let regexp meta = implicit num
  57 let regexp qstring = '"' [^ '"']* '"'
  58 let regexp uri =
  59   ("cic:/" | "theory:/")              (* schema *)
  60   ident ('/' ident)*                  (* path *)
  61   ('.' ident)+                        (* ext *)
  62   ("#xpointer(" num ('/' num)+ ")")?    (* xpointer *)
  63 (* let regexp catchall = .* *)
  64
  65 let keywords = Hashtbl.create 17
  66 let _ =
  67   List.iter (fun keyword -> Hashtbl.add keywords keyword ("", keyword))
  68     [ "Prop"; "Type"; "Set"; "let"; "Let"; "rec"; "using"; "match"; "with";
  69     "in"; "and"; "to"; "as"; "on"]
  70
  71 let error lexbuf msg =
  72   raise (Error (Ulexing.lexeme_start lexbuf, Ulexing.lexeme_end lexbuf, msg))
  73 let error_at_end lexbuf msg =
  74   raise (Error (Ulexing.lexeme_end lexbuf, Ulexing.lexeme_end lexbuf, msg))
  75
  76 let return lexbuf token =
  77   let flocation_begin =
  78     { Lexing.pos_fname = ""; Lexing.pos_lnum = -1; Lexing.pos_bol = -1;
  79       Lexing.pos_cnum = Ulexing.lexeme_start lexbuf }
  80   in
  81   let flocation_end =
  82     { flocation_begin with Lexing.pos_cnum = Ulexing.lexeme_end lexbuf }
  83   in
  84   (token, (flocation_begin, flocation_end))
  85
  86 (*
  87 let parse_ext_ident ident =
  88   let len = String.length ident in
  89   let buf = Buffer.create len in
  90   let in_tex_token = ref false in
  91   let tex_token = Buffer.create 10 in
  92   try
  93     for i = 0 to len - 1 do
  94       match ident.[i] with
  95       | '\' when not !in_tex_token ->
  96           if i < len - 1 &&
  97           in_tex_token := true
  98     done
  99   with Invalid_argument -> assert false
 100
 101 let rec token' = lexer
 102   | ident' ->
 103       (try
 104         let ident = parse_ext_ident (Ulexing.utf8_lexeme lexbuf) in
 105         return lexbuf ("IDENT'", ident)
 106       with Not_an_extended_ident ->
 107         Ulexing.rollback lexbuf;
 108         token lexbuf)
 109   | _ ->
 110       Ulexing.rollback lexbuf;
 111       token lexbuf
 112
 113 and token = lexer
 114 *)
 115
 116 let remove_quotes s = String.sub s 1 (String.length s - 2)
 117
 118 let rec token comments = lexer
 119   | blanks -> token comments lexbuf
 120   | uri -> return lexbuf ("URI", Ulexing.utf8_lexeme lexbuf)
 121   | ident ->
 122       let lexeme = Ulexing.utf8_lexeme lexbuf in
 123       (try
 124         return lexbuf (Hashtbl.find keywords lexeme)
 125       with Not_found -> return lexbuf ("IDENT", lexeme))
 126   | num -> return lexbuf ("NUM", Ulexing.utf8_lexeme lexbuf)
 127   | paren -> return lexbuf ("PAREN", Ulexing.utf8_lexeme lexbuf)
 128   | meta -> return lexbuf ("META", Ulexing.utf8_lexeme lexbuf)
 129   | implicit -> return lexbuf ("IMPLICIT", Ulexing.utf8_lexeme lexbuf)
 130   | placeholder -> return lexbuf ("PLACEHOLDER", Ulexing.utf8_lexeme lexbuf)
 131   | qstring ->
 132       return lexbuf ("QSTRING", remove_quotes (Ulexing.utf8_lexeme lexbuf))
 133   | symbol -> return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf)
 134   | tex_token ->
 135       let macro =
 136         Ulexing.utf8_sub_lexeme lexbuf 1 (Ulexing.lexeme_length lexbuf - 1)
 137       in
 138       (try
 139         return lexbuf ("SYMBOL", Utf8Macro.expand macro)
 140       with Utf8Macro.Macro_not_found _ ->
 141         return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf))
 142   | note ->
 143       (*if comments then*)
 144         let comment =
 145           Ulexing.utf8_sub_lexeme lexbuf 2 (Ulexing.lexeme_length lexbuf - 4)
 146         in
 147         return lexbuf ("NOTE", comment)
 148       (*else
 149         token comments lexbuf*)
 150   | commentbegin -> return lexbuf ("BEGINCOMMENT","")
 151   | commentend -> return lexbuf ("ENDCOMMENT","")
 152   | eof -> return lexbuf ("EOI", "")
 153   | _ -> error lexbuf "Invalid character"
 154
 155 let tok_func comments stream =
 156   let lexbuf = Ulexing.from_utf8_stream stream in
 157   Token.make_stream_and_flocation
 158     (fun () ->
 159       try
 160         token comments lexbuf
 161       with
 162       | Ulexing.Error -> error_at_end lexbuf "Unexpected character"
 163       | Ulexing.InvalidCodepoint i -> error_at_end lexbuf "Invalid code point")
 164
 165 let cic_lexer ?(comments = false) () =
 166   {
 167     Token.tok_func = tok_func comments;
 168     Token.tok_using = (fun _ -> ());
 169     Token.tok_removing = (fun _ -> ());
 170     Token.tok_match = Token.default_match;
 171     Token.tok_text = Token.lexer_text;
 172     Token.tok_comm = None;
 173   }
 174