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