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 let regexp dust = "%%" [^ '\n']* '\n'
  42
  43 let regexp comment_char = [^ ")" ]
  44 let regexp note = "(*" comment_char* "*)"
  45
  46 let regexp commentbegin = "(**"
  47 let regexp commentend = "**)"
  48
  49 let regexp blanks = blank+
  50 let regexp num = digit+
  51 let regexp tex_token = '\\' alpha+
  52 let regexp symbol = symbol_char+
  53 let regexp ident_cont = alpha | num | '_' | '\''
  54 let regexp ident_cont' = ident_cont | tex_token
  55 let regexp ident = (alpha ident_cont*) | ('_' ident_cont+)
  56 let regexp ident' = ((alpha | tex_token) ident_cont'*) | ('_' ident_cont'+)
  57 let regexp meta = implicit num
  58 let regexp qstring = '"' [^ '"']* '"'
  59 let regexp uri =
  60   ("cic:/" | "theory:/")              (* schema *)
  61   ident ('/' ident)*                  (* path *)
  62   ('.' ident)+                        (* ext *)
  63   ("#xpointer(" num ('/' num)+ ")")?    (* xpointer *)
  64 (* let regexp catchall = .* *)
  65
  66 let keywords = Hashtbl.create 17
  67 let _ =
  68   List.iter (fun keyword -> Hashtbl.add keywords keyword ("", keyword))
  69     [ "Prop"; "Type"; "Set"; "let"; "Let"; "rec"; "using"; "match"; "with";
  70       "in"; "and" ]
  71
  72 let error lexbuf msg =
  73   raise (Error (Ulexing.lexeme_start lexbuf, Ulexing.lexeme_end lexbuf, msg))
  74 let error_at_end lexbuf msg =
  75   raise (Error (Ulexing.lexeme_end lexbuf, Ulexing.lexeme_end lexbuf, msg))
  76
  77 let return lexbuf token =
  78   let flocation_begin =
  79     { Lexing.pos_fname = ""; Lexing.pos_lnum = -1; Lexing.pos_bol = -1;
  80       Lexing.pos_cnum = Ulexing.lexeme_start lexbuf }
  81   in
  82   let flocation_end =
  83     { flocation_begin with Lexing.pos_cnum = Ulexing.lexeme_end lexbuf }
  84   in
  85   (token, (flocation_begin, flocation_end))
  86
  87 (*
  88 let parse_ext_ident ident =
  89   let len = String.length ident in
  90   let buf = Buffer.create len in
  91   let in_tex_token = ref false in
  92   let tex_token = Buffer.create 10 in
  93   try
  94     for i = 0 to len - 1 do
  95       match ident.[i] with
  96       | '\' when not !in_tex_token ->
  97           if i < len - 1 &&
  98           in_tex_token := true
  99     done
 100   with Invalid_argument -> assert false
 101
 102 let rec token' = lexer
 103   | ident' ->
 104       (try
 105         let ident = parse_ext_ident (Ulexing.utf8_lexeme lexbuf) in
 106         return lexbuf ("IDENT'", ident)
 107       with Not_an_extended_ident ->
 108         Ulexing.rollback lexbuf;
 109         token lexbuf)
 110   | _ ->
 111       Ulexing.rollback lexbuf;
 112       token lexbuf
 113
 114 and token = lexer
 115 *)
 116
 117 let remove_quotes s = String.sub s 1 (String.length s - 2)
 118
 119 let rec token comments = lexer
 120   | blanks -> token comments lexbuf
 121   | uri -> return lexbuf ("URI", Ulexing.utf8_lexeme lexbuf)
 122   | ident ->
 123       let lexeme = Ulexing.utf8_lexeme lexbuf in
 124       (try
 125         return lexbuf (Hashtbl.find keywords lexeme)
 126       with Not_found -> return lexbuf ("IDENT", lexeme))
 127   | num -> return lexbuf ("NUM", Ulexing.utf8_lexeme lexbuf)
 128   | paren -> return lexbuf ("PAREN", Ulexing.utf8_lexeme lexbuf)
 129   | meta -> return lexbuf ("META", Ulexing.utf8_lexeme lexbuf)
 130   | implicit -> return lexbuf ("IMPLICIT", Ulexing.utf8_lexeme lexbuf)
 131   | placeholder -> return lexbuf ("PLACEHOLDER", Ulexing.utf8_lexeme lexbuf)
 132   | qstring ->
 133       return lexbuf ("QSTRING", remove_quotes (Ulexing.utf8_lexeme lexbuf))
 134   | symbol -> return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf)
 135   | tex_token ->
 136       let macro =
 137         Ulexing.utf8_sub_lexeme lexbuf 1 (Ulexing.lexeme_length lexbuf - 1)
 138       in
 139       (try
 140         return lexbuf ("SYMBOL", Utf8Macro.expand macro)
 141       with Utf8Macro.Macro_not_found _ ->
 142         return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf))
 143   | dust -> token comments lexbuf
 144   | note ->
 145       (*if comments then*)
 146         let comment =
 147           Ulexing.utf8_sub_lexeme lexbuf 2 (Ulexing.lexeme_length lexbuf - 2)
 148         in
 149         return lexbuf ("NOTE", comment)
 150       (*else
 151         token comments lexbuf*)
 152   | commentbegin -> return lexbuf ("BEGINCOMMENT","")
 153   | commentend -> return lexbuf ("ENDCOMMENT","")
 154   | eof -> return lexbuf ("EOI", "")
 155   | _ -> error lexbuf "Invalid character"
 156
 157 let tok_func comments stream =
 158   let lexbuf = Ulexing.from_utf8_stream stream in
 159   Token.make_stream_and_flocation
 160     (fun () ->
 161       try
 162         token comments lexbuf
 163       with
 164       | Ulexing.Error -> error_at_end lexbuf "Unexpected character"
 165       | Ulexing.InvalidCodepoint i -> error_at_end lexbuf "Invalid code point")
 166
 167 let cic_lexer ?(comments = false) () =
 168   {
 169     Token.tok_func = tok_func comments;
 170     Token.tok_using = (fun _ -> ());
 171     Token.tok_removing = (fun _ -> ());
 172     Token.tok_match = Token.default_match;
 173     Token.tok_text = Token.lexer_text;
 174     Token.tok_comm = None;
 175   }
 176