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
  34 let regexp blanks = blank+
  35 let regexp num = digit+
  36 let regexp tex_token = '\\' alpha+
  37 let regexp symbol = [^ 'a' - 'z' 'A' - 'Z' '0' - '9' ' ' '\t' '\n' ]
  38 let regexp ident_cont = alpha | num | '_' | '\''
  39 let regexp ident_cont' = ident_cont | tex_token
  40 let regexp ident = (alpha ident_cont*) | ('_' ident_cont+)
  41 let regexp ident' = ((alpha | tex_token) ident_cont'*) | ('_' ident_cont'+)
  42 let regexp paren = [ '(' '[' '{' ')' ']' '}' ]
  43 let regexp implicit = '?'
  44 let regexp meta = '?' num
  45 let regexp qstring = '"' [^ '"']* '"'
  46 let regexp uri =
  47   (*      schema      *) (*     path     *) (*  ext   *) (*    xpointer     *)
  48   ("cic:/" | "theory:/") ident ('/' ident)* ('.' ident)+ ('#' num ('/' num)*)?
  49 (* let regexp catchall = .* *)
  50
  51 let keywords = Hashtbl.create 17
  52 let _ =
  53   List.iter (fun keyword -> Hashtbl.add keywords keyword ("", keyword))
  54     [ "Prop"; "Type"; "Set"; "let"; "Let"; "rec"; "using"; "match"; "with";
  55       "in"; "and" ]
  56
  57 let error lexbuf msg =
  58   raise (Error (Ulexing.lexeme_start lexbuf, Ulexing.lexeme_end lexbuf, msg))
  59 let error_at_end lexbuf msg =
  60   raise (Error (Ulexing.lexeme_end lexbuf, Ulexing.lexeme_end lexbuf, msg))
  61
  62 let return lexbuf token =
  63   let flocation_begin =
  64     { Lexing.pos_fname = ""; Lexing.pos_lnum = -1; Lexing.pos_bol = -1;
  65       Lexing.pos_cnum = Ulexing.lexeme_start lexbuf }
  66   in
  67   let flocation_end =
  68     { flocation_begin with Lexing.pos_cnum = Ulexing.lexeme_end lexbuf }
  69   in
  70   (token, (flocation_begin, flocation_end))
  71
  72 (*
  73 let parse_ext_ident ident =
  74   let len = String.length ident in
  75   let buf = Buffer.create len in
  76   let in_tex_token = ref false in
  77   let tex_token = Buffer.create 10 in
  78   try
  79     for i = 0 to len - 1 do
  80       match ident.[i] with
  81       | '\' when not !in_tex_token ->
  82           if i < len - 1 &&
  83           in_tex_token := true
  84     done
  85   with Invalid_argument -> assert false
  86
  87 let rec token' = lexer
  88   | ident' ->
  89       (try
  90         let ident = parse_ext_ident (Ulexing.utf8_lexeme lexbuf) in
  91         return lexbuf ("IDENT'", ident)
  92       with Not_an_extended_ident ->
  93         Ulexing.rollback lexbuf;
  94         token lexbuf)
  95   | _ ->
  96       Ulexing.rollback lexbuf;
  97       token lexbuf
  98
  99 and token = lexer
 100 *)
 101 let rec token = lexer
 102   | blanks -> token lexbuf
 103   | uri -> return lexbuf ("URI", Ulexing.utf8_lexeme lexbuf)
 104   | ident ->
 105       let lexeme = Ulexing.utf8_lexeme lexbuf in
 106       (try
 107         return lexbuf (Hashtbl.find keywords lexeme)
 108       with Not_found -> return lexbuf ("IDENT", lexeme))
 109   | num -> return lexbuf ("NUM", Ulexing.utf8_lexeme lexbuf)
 110   | paren -> return lexbuf ("PAREN", Ulexing.utf8_lexeme lexbuf)
 111   | meta -> return lexbuf ("META", Ulexing.utf8_lexeme lexbuf)
 112   | implicit -> return lexbuf ("IMPLICIT", Ulexing.utf8_lexeme lexbuf)
 113   | qstring ->
 114       let lexeme = Ulexing.utf8_lexeme lexbuf in
 115       let s = String.sub lexeme 1 (String.length lexeme - 2) in
 116       return lexbuf ("QSTRING", s)
 117   | symbol -> return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf)
 118   | tex_token ->
 119       let macro =
 120         Ulexing.utf8_sub_lexeme lexbuf 1 (Ulexing.lexeme_length lexbuf - 1)
 121       in
 122       (try
 123         return lexbuf ("SYMBOL", CicTextualParser2Macro.expand macro)
 124       with CicTextualParser2Macro.Macro_not_found _ ->
 125         return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf))
 126   | eof -> return lexbuf ("EOI", "")
 127   | _ -> error lexbuf "Invalid character"
 128
 129 let tok_func stream =
 130   let lexbuf = Ulexing.from_utf8_stream stream in
 131   Token.make_stream_and_flocation
 132     (fun () ->
 133       try
 134         token lexbuf
 135       with
 136       | Ulexing.Error -> error_at_end lexbuf "Unexpected character"
 137       | Ulexing.InvalidCodepoint i -> error_at_end lexbuf "Invalid code point")
 138
 139 let cic_lexer =
 140   {
 141     Token.tok_func = tok_func;
 142     Token.tok_using = (fun _ -> ());
 143     Token.tok_removing = (fun _ -> ());
 144     Token.tok_match = Token.default_match;
 145     Token.tok_text = Token.lexer_text;
 146     Token.tok_comm = None;
 147   }
 148