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