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