helm/ocaml/cic_notation/cicNotationLexer.ml

   1 (* Copyright (C) 2005, 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 open Printf
  27
  28 exception Error of int * int * string
  29
  30 let regexp number = xml_digit+
  31
  32   (* ZACK: breaks unicode's binder followed by an ascii letter without blank *)
  33 (* let regexp ident_letter = xml_letter *)
  34
  35 let regexp ident_letter = [ 'a' - 'z' 'A' - 'Z' ]
  36
  37 let regexp ident_decoration = '\'' | '!' | '?' | '`'
  38 let regexp ident_cont = ident_letter | xml_digit | '_'
  39 let regexp ident = ident_letter ident_cont* ident_decoration*
  40
  41 let regexp tex_token = '\\' ident
  42
  43 let regexp delim_begin = "\\["
  44 let regexp delim_end = "\\]"
  45
  46 let regexp qkeyword = "'" ident "'"
  47
  48 let regexp implicit = '?'
  49 let regexp placeholder = '%'
  50 let regexp meta = implicit number
  51
  52 let regexp csymbol = '\'' ident
  53
  54 let regexp begin_group = "@{" | "${"
  55 let regexp end_group = '}'
  56 let regexp wildcard = "$_"
  57 let regexp ast_ident = "@" ident
  58 let regexp ast_csymbol = "@" csymbol
  59 let regexp meta_ident = "$" ident
  60 let regexp meta_anonymous = "$_"
  61 let regexp qstring = '"' [^ '"']* '"'
  62
  63 let regexp begincomment = "(**" xml_blank
  64 let regexp endcomment = "*)"
  65 let regexp comment_char = [^'*'] | '*'[^')']
  66 let regexp note = "(*" ([^'*'] | "**") comment_char* "*)"
  67
  68 let level1_layouts =
  69   [ "sub"; "sup";
  70     "below"; "above";
  71     "over"; "atop"; "frac";
  72     "sqrt"; "root"
  73   ]
  74
  75 let level1_keywords =
  76   [ "hbox"; "hvbox"; "hovbox"; "vbox";
  77     "break";
  78     "list0"; "list1"; "sep";
  79     "opt";
  80     "term"; "ident"; "number"
  81   ] @ level1_layouts
  82
  83 let level2_meta_keywords =
  84   [ "if"; "then"; "else";
  85     "fold"; "left"; "right"; "rec";
  86     "fail";
  87     "default";
  88     "anonymous"; "ident"; "number"; "term"; "fresh"
  89   ]
  90
  91   (* (string, unit) Hashtbl.t, to exploit multiple bindings *)
  92 let level2_ast_keywords = Hashtbl.create 23
  93 let _ =
  94   List.iter (fun k -> Hashtbl.add level2_ast_keywords k ())
  95   [ "CProp"; "Prop"; "Type"; "Set"; "let"; "rec"; "corec"; "using"; "match";
  96     "with"; "in"; "and"; "to"; "as"; "on"; "names" ]
  97
  98 let add_level2_ast_keyword k = Hashtbl.add level2_ast_keywords k ()
  99 let remove_level2_ast_keyword k = Hashtbl.remove level2_ast_keywords k
 100
 101 let regexp uri =
 102   ("cic:/" | "theory:/")              (* schema *)
 103   ident ('/' ident)*                  (* path *)
 104   ('.' ident)+                        (* ext *)
 105   ("#xpointer(" number ('/' number)+ ")")?  (* xpointer *)
 106
 107 let error lexbuf msg =
 108   let begin_cnum, end_cnum = Ulexing.loc lexbuf in
 109   raise (Error (begin_cnum, end_cnum, msg))
 110 let error_at_end lexbuf msg =
 111   let begin_cnum, end_cnum = Ulexing.loc lexbuf in
 112   raise (Error (begin_cnum, end_cnum, msg))
 113
 114 let return_with_loc token begin_cnum end_cnum =
 115   (* TODO handle line/column numbers *)
 116   let flocation_begin =
 117     { Lexing.pos_fname = "";
 118       Lexing.pos_lnum = -1; Lexing.pos_bol = -1;
 119       Lexing.pos_cnum = begin_cnum }
 120   in
 121   let flocation_end = { flocation_begin with Lexing.pos_cnum = end_cnum } in
 122   (token, (flocation_begin, flocation_end))
 123
 124 let return lexbuf token =
 125   let begin_cnum, end_cnum = Ulexing.loc lexbuf in
 126     return_with_loc token begin_cnum end_cnum
 127
 128 let return_lexeme lexbuf name = return lexbuf (name, Ulexing.utf8_lexeme lexbuf)
 129
 130 let remove_quotes s = String.sub s 1 (String.length s - 2)
 131
 132 let mk_lexer token =
 133   let tok_func stream =
 134     let lexbuf = Ulexing.from_utf8_stream stream in
 135     Token.make_stream_and_flocation
 136       (fun () ->
 137         try
 138           token lexbuf
 139         with
 140         | Ulexing.Error -> error_at_end lexbuf "Unexpected character"
 141         | Ulexing.InvalidCodepoint p ->
 142             error_at_end lexbuf (sprintf "Invalid code point: %d" p))
 143   in
 144   {
 145     Token.tok_func = tok_func;
 146     Token.tok_using = (fun _ -> ());
 147     Token.tok_removing = (fun _ -> ());
 148     Token.tok_match = Token.default_match;
 149     Token.tok_text = Token.lexer_text;
 150     Token.tok_comm = None;
 151   }
 152
 153 let expand_macro lexbuf =
 154   let macro =
 155     Ulexing.utf8_sub_lexeme lexbuf 1 (Ulexing.lexeme_length lexbuf - 1)
 156   in
 157   try
 158     ("SYMBOL", Utf8Macro.expand macro)
 159   with Utf8Macro.Macro_not_found _ -> "SYMBOL", Ulexing.utf8_lexeme lexbuf
 160
 161 let remove_quotes s = String.sub s 1 (String.length s - 2)
 162 let remove_left_quote s = String.sub s 1 (String.length s - 1)
 163
 164 let rec level2_pattern_token_group counter buffer = lexer
 165   | end_group ->
 166       if (counter > 0) then
 167         Buffer.add_string buffer (Ulexing.utf8_lexeme lexbuf) ;
 168       snd (Ulexing.loc lexbuf)
 169   | begin_group ->
 170       Buffer.add_string buffer (Ulexing.utf8_lexeme lexbuf) ;
 171       ignore (level2_pattern_token_group (counter + 1) buffer lexbuf) ;
 172       level2_pattern_token_group counter buffer lexbuf
 173   | _ ->
 174       Buffer.add_string buffer (Ulexing.utf8_lexeme lexbuf) ;
 175       level2_pattern_token_group counter buffer lexbuf
 176
 177 let read_unparsed_group token_name lexbuf =
 178   let buffer = Buffer.create 16 in
 179   let begin_cnum, _ = Ulexing.loc lexbuf in
 180   let end_cnum = level2_pattern_token_group 0 buffer lexbuf in
 181     return_with_loc (token_name, Buffer.contents buffer) begin_cnum end_cnum
 182
 183 let rec level2_meta_token = lexer
 184   | xml_blank+ -> level2_meta_token lexbuf
 185   | ident ->
 186       let s = Ulexing.utf8_lexeme lexbuf in
 187         begin
 188           if List.mem s level2_meta_keywords then
 189             return lexbuf ("", s)
 190           else
 191             return lexbuf ("IDENT", s)
 192         end
 193   | "@{" -> read_unparsed_group "UNPARSED_AST" lexbuf
 194   | ast_ident ->
 195       return lexbuf ("UNPARSED_AST",
 196         remove_left_quote (Ulexing.utf8_lexeme lexbuf))
 197   | ast_csymbol ->
 198       return lexbuf ("UNPARSED_AST",
 199         remove_left_quote (Ulexing.utf8_lexeme lexbuf))
 200   | eof -> return lexbuf ("EOI", "")
 201
 202 let rec level2_ast_token = lexer
 203   | xml_blank+ -> level2_ast_token lexbuf
 204   | meta -> return lexbuf ("META", Ulexing.utf8_lexeme lexbuf)
 205   | implicit -> return lexbuf ("IMPLICIT", "")
 206   | placeholder -> return lexbuf ("PLACEHOLDER", "")
 207   | ident ->
 208       let lexeme = Ulexing.utf8_lexeme lexbuf in
 209       if Hashtbl.mem level2_ast_keywords lexeme then
 210         return lexbuf ("", lexeme)
 211       else
 212         return lexbuf ("IDENT", lexeme)
 213   | number -> return lexbuf ("NUMBER", Ulexing.utf8_lexeme lexbuf)
 214   | tex_token -> return lexbuf (expand_macro lexbuf)
 215   | uri -> return lexbuf ("URI", Ulexing.utf8_lexeme lexbuf)
 216   | qstring ->
 217       return lexbuf ("QSTRING", remove_quotes (Ulexing.utf8_lexeme lexbuf))
 218   | csymbol ->
 219       return lexbuf ("CSYMBOL", remove_left_quote (Ulexing.utf8_lexeme lexbuf))
 220   | "${" -> read_unparsed_group "UNPARSED_META" lexbuf
 221   | "@{" -> read_unparsed_group "UNPARSED_AST" lexbuf
 222   | '(' -> return lexbuf ("LPAREN", "")
 223   | ')' -> return lexbuf ("RPAREN", "")
 224   | meta_ident ->
 225       return lexbuf ("UNPARSED_META",
 226         remove_left_quote (Ulexing.utf8_lexeme lexbuf))
 227   | meta_anonymous -> return lexbuf ("UNPARSED_META", "anonymous")
 228   | note ->
 229       let comment =
 230         Ulexing.utf8_sub_lexeme lexbuf 2 (Ulexing.lexeme_length lexbuf - 4)
 231       in
 232       return lexbuf ("NOTE", comment)
 233   | begincomment -> return lexbuf ("BEGINCOMMENT","")
 234   | endcomment -> return lexbuf ("ENDCOMMENT","")
 235   | eof -> return lexbuf ("EOI", "")
 236   | _ -> return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf)
 237
 238 let rec level1_pattern_token = lexer
 239   | xml_blank+ -> level1_pattern_token lexbuf
 240   | number -> return lexbuf ("NUMBER", Ulexing.utf8_lexeme lexbuf)
 241   | ident ->
 242       let s = Ulexing.utf8_lexeme lexbuf in
 243         begin
 244           if List.mem s level1_keywords then
 245             return lexbuf ("", s)
 246           else
 247             return lexbuf ("IDENT", s)
 248         end
 249   | tex_token -> return lexbuf (expand_macro lexbuf)
 250   | qkeyword ->
 251       return lexbuf ("QKEYWORD", remove_quotes (Ulexing.utf8_lexeme lexbuf))
 252   | '(' -> return lexbuf ("LPAREN", "")
 253   | ')' -> return lexbuf ("RPAREN", "")
 254   | eof -> return lexbuf ("EOI", "")
 255   | _ -> return lexbuf ("SYMBOL", Ulexing.utf8_lexeme lexbuf)
 256
 257 (* API implementation *)
 258
 259 let level1_pattern_lexer = mk_lexer level1_pattern_token
 260 let level2_ast_lexer = mk_lexer level2_ast_token
 261 let level2_meta_lexer = mk_lexer level2_meta_token
 262