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 symbol_char =
  36   [^ 'a' - 'z' 'A' - 'Z' '0' - '9'
  37      ' ' '\t' '\n'
  38      '\\' '(' '[' '{' ')' ']' '}' '?'
  39   ]
  40 let regexp blanks = blank+
  41 let regexp num = digit+
  42 let regexp tex_token = '\\' alpha+
  43 let regexp symbol = symbol_char+
  44 let regexp ident_cont = alpha | num | '_' | '\''
  45 let regexp ident_cont' = ident_cont | tex_token
  46 let regexp ident = (alpha ident_cont*) | ('_' ident_cont+)
  47 let regexp ident' = ((alpha | tex_token) ident_cont'*) | ('_' ident_cont'+)
  48 let regexp meta = implicit num
  49 let regexp qstring = '"' [^ '"']* '"'
  50 let regexp uri =
  51   ("cic:/" | "theory:/")              (* schema *)
  52   ident ('/' ident)*                  (* path *)
  53   ('.' ident)+                        (* ext *)
  54   ("#xpointer(" num ('/' num)+ ")")?    (* xpointer *)
  55 (* let regexp catchall = .* *)
  56
  57 let keywords = Hashtbl.create 17
  58 let _ =
  59   List.iter (fun keyword -> Hashtbl.add keywords keyword ("", keyword))
  60     [ "Prop"; "Type"; "Set"; "let"; "Let"; "rec"; "using"; "match"; "with";
  61       "in"; "and" ]
  62
  63 let error lexbuf msg =
  64   raise (Error (Ulexing.lexeme_start lexbuf, Ulexing.lexeme_end lexbuf, msg))
  65 let error_at_end lexbuf msg =
  66   raise (Error (Ulexing.lexeme_end lexbuf, Ulexing.lexeme_end lexbuf, msg))
  67
  68 let return lexbuf token =
  69   let flocation_begin =
  70     { Lexing.pos_fname = ""; Lexing.pos_lnum = -1; Lexing.pos_bol = -1;
  71       Lexing.pos_cnum = Ulexing.lexeme_start lexbuf }
  72   in
  73   let flocation_end =
  74     { flocation_begin with Lexing.pos_cnum = Ulexing.lexeme_end lexbuf }
  75   in
  76   (token, (flocation_begin, flocation_end))
  77
  78 (*
  79 let parse_ext_ident ident =
  80   let len = String.length ident in
  81   let buf = Buffer.create len in
  82   let in_tex_token = ref false in
  83   let tex_token = Buffer.create 10 in
  84   try
  85     for i = 0 to len - 1 do
  86       match ident.[i] with
  87       | '\' when not !in_tex_token ->
  88           if i < len - 1 &&
  89           in_tex_token := true
  90     done
  91   with Invalid_argument -> assert false
  92
  93 let rec token' = lexer
  94   | ident' ->
  95       (try
  96         let ident = parse_ext_ident (Ulexing.utf8_lexeme lexbuf) in
  97         return lexbuf ("IDENT'", ident)
  98       with Not_an_extended_ident ->
  99         Ulexing.rollback lexbuf;
 100         token lexbuf)
 101   | _ ->
 102       Ulexing.rollback lexbuf;
 103       token lexbuf
 104
 105 and token = lexer
 106 *)
 107 let rec token = lexer
 108   | blanks -> token lexbuf
 109   | uri -> return lexbuf ("URI", Ulexing.utf8_lexeme lexbuf)
 110   | ident ->
 111       let lexeme = Ulexing.utf8_lexeme lexbuf in
 112       (try
 113         return lexbuf (Hashtbl.find keywords lexeme)
 114       with Not_found -> return lexbuf ("IDENT", lexeme))
 115   | num -> return lexbuf ("NUM", Ulexing.utf8_lexeme lexbuf)
 116   | paren -> return lexbuf ("PAREN", Ulexing.utf8_lexeme lexbuf)
 117   | meta -> return lexbuf ("META", Ulexing.utf8_lexeme lexbuf)
 118   | implicit -> return lexbuf ("IMPLICIT", Ulexing.utf8_lexeme lexbuf)
 119   | qstring ->
 120       let lexeme = Ulexing.utf8_lexeme lexbuf in
 121       let s = String.sub lexeme 1 (String.length lexeme - 2) in
 122       return lexbuf ("QSTRING", s)
 123   | symbol -> return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf)
 124   | tex_token ->
 125       let macro =
 126         Ulexing.utf8_sub_lexeme lexbuf 1 (Ulexing.lexeme_length lexbuf - 1)
 127       in
 128       (try
 129         return lexbuf ("SYMBOL", Utf8Macro.expand macro)
 130       with Utf8Macro.Macro_not_found _ ->
 131         return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf))
 132   | eof -> return lexbuf ("EOI", "")
 133   | _ -> error lexbuf "Invalid character"
 134
 135 let tok_func stream =
 136   let lexbuf = Ulexing.from_utf8_stream stream in
 137   Token.make_stream_and_flocation
 138     (fun () ->
 139       try
 140         token lexbuf
 141       with
 142       | Ulexing.Error -> error_at_end lexbuf "Unexpected character"
 143       | Ulexing.InvalidCodepoint i -> error_at_end lexbuf "Invalid code point")
 144
 145 let cic_lexer =
 146   {
 147     Token.tok_func = tok_func;
 148     Token.tok_using = (fun _ -> ());
 149     Token.tok_removing = (fun _ -> ());
 150     Token.tok_match = Token.default_match;
 151     Token.tok_text = Token.lexer_text;
 152     Token.tok_comm = None;
 153   }
 154