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