examples/cppscan/cppscan.rl

   1 /*
   2  * A C++ scanner. Uses the longest match construction.
   3  * << <= <<= >> >= >>= are left out since angle brackets are used in templates.
   4  */
   5
   6 #include <string.h>
   7 #include <stdlib.h>
   8 #include <iostream>
   9
  10 #define TK_Dlit 256
  11 #define TK_Slit 257
  12 #define TK_Float 258
  13 #define TK_Id 259
  14 #define TK_NameSep 260
  15 #define TK_Arrow 261
  16 #define TK_PlusPlus 262
  17 #define TK_MinusMinus 263
  18 #define TK_ArrowStar 264
  19 #define TK_DotStar 265
  20 #define TK_ShiftLeft 266
  21 #define TK_ShiftRight 267
  22 #define TK_IntegerDecimal 268
  23 #define TK_IntegerOctal 269
  24 #define TK_IntegerHex 270
  25 #define TK_EqualsEquals 271
  26 #define TK_NotEquals 272
  27 #define TK_AndAnd 273
  28 #define TK_OrOr 274
  29 #define TK_MultAssign 275
  30 #define TK_DivAssign 276
  31 #define TK_PercentAssign 277
  32 #define TK_PlusAssign 278
  33 #define TK_MinusAssign 279
  34 #define TK_AmpAssign 280
  35 #define TK_CaretAssign 281
  36 #define TK_BarAssign 282
  37 #define TK_DotDotDot 283
  38 #define TK_Whitespace 284
  39 #define TK_Comment 285
  40
  41 #define BUFSIZE 16384
  42
  43 /* EOF char used to flush out that last token. This should be a whitespace
  44  * token. */
  45
  46 #define LAST_CHAR 0
  47
  48 using std::cerr;
  49 using std::cout;
  50 using std::cin;
  51 using std::endl;
  52
  53 static char buf[BUFSIZE];
  54 static int line = 1, col = 1;
  55 static char *tokstart, *tokend;
  56 static int act, have = 0;
  57 static int cs;
  58
  59 %%{
  60         machine Scanner;
  61         write data nofinal;
  62
  63         # Floating literals.
  64         fract_const = digit* '.' digit+ | digit+ '.';
  65         exponent = [eE] [+\-]? digit+;
  66         float_suffix = [flFL];
  67
  68         c_comment :=
  69                 any* :>> '*/'
  70                 @{ fgoto main; };
  71
  72         main := |*
  73
  74         # Single and double literals.
  75         ( 'L'? "'" ( [^'\\\n] | /\\./ )* "'" )
  76                 {token( TK_Slit );};
  77         ( 'L'? '"' ( [^"\\\n] | /\\./ )* '"' )
  78                 {token( TK_Dlit );};
  79
  80         # Identifiers
  81         ( [a-zA-Z_] [a-zA-Z0-9_]* )
  82                 {token( TK_Id );};
  83
  84         # Floating literals.
  85         ( fract_const exponent? float_suffix? | digit+ exponent float_suffix? )
  86                 {token( TK_Float );};
  87
  88         # Integer decimal. Leading part buffered by float.
  89         ( ( '0' | [1-9] [0-9]* ) [ulUL]{0,3} )
  90                 {token( TK_IntegerDecimal );};
  91
  92         # Integer octal. Leading part buffered by float.
  93         ( '0' [0-9]+ [ulUL]{0,2} )
  94                 {token( TK_IntegerOctal );};
  95
  96         # Integer hex. Leading 0 buffered by float.
  97         ( '0' ( 'x' [0-9a-fA-F]+ [ulUL]{0,2} ) )
  98                 {token( TK_IntegerHex );};
  99
 100         # Only buffer the second item, first buffered by symbol. */
 101         '::' {token( TK_NameSep );};
 102         '==' {token( TK_EqualsEquals );};
 103         '!=' {token( TK_NotEquals );};
 104         '&&' {token( TK_AndAnd );};
 105         '||' {token( TK_OrOr );};
 106         '*=' {token( TK_MultAssign );};
 107         '/=' {token( TK_DivAssign );};
 108         '%=' {token( TK_PercentAssign );};
 109         '+=' {token( TK_PlusAssign );};
 110         '-=' {token( TK_MinusAssign );};
 111         '&=' {token( TK_AmpAssign );};
 112         '^=' {token( TK_CaretAssign );};
 113         '|=' {token( TK_BarAssign );};
 114         '++' {token( TK_PlusPlus );};
 115         '--' {token( TK_MinusMinus );};
 116         '->' {token( TK_Arrow );};
 117         '->*' {token( TK_ArrowStar );};
 118         '.*' {token( TK_DotStar );};
 119
 120         # Three char compounds, first item already buffered. */
 121         '...' {token( TK_DotDotDot );};
 122
 123         # Single char symbols.
 124         ( punct - [_"'] ) {token( tokstart[0] );};
 125
 126         # Comments and whitespace.
 127         '/*' { fgoto c_comment; };
 128         '//' [^\n]* '\n';
 129         ( any - 33..126 )+;
 130
 131         *|;
 132 }%%
 133
 134 void token( int tok )
 135 {
 136         char *data = tokstart;
 137         int len = tokend - tokstart;
 138
 139         cout << '<' << tok << "> ";
 140         cout.write( data, len );
 141         cout << '\n';
 142
 143         /* Count newlines and columns. This code is here mainly for having some
 144          * code in the token routine when commenting out the above output during
 145          * performance testing. */
 146         for ( int i = 0; i < len; i ++ ) {
 147                 if ( data[i] == '\n' ) {
 148                         line += 1;
 149                         col = 1;
 150                 }
 151                 else {
 152                         col += 1;
 153                 }
 154         }
 155 }
 156
 157 int main()
 158 {
 159         std::ios::sync_with_stdio(false);
 160
 161         %% write init;
 162
 163         /* Do the first read. */
 164         bool done = false;
 165         while ( !done ) {
 166                 char *p = buf + have;
 167                 int space = BUFSIZE - have;
 168
 169                 if ( space == 0 ) {
 170                         /* We filled up the buffer trying to scan a token. */
 171                         cerr << "OUT OF BUFFER SPACE" << endl;
 172                         exit(1);
 173                 }
 174
 175                 cin.read( p, space );
 176                 int len = cin.gcount();
 177
 178                 /* If we see eof then append the EOF char. */
 179                 if ( len == 0 ) {
 180                         p[0] = LAST_CHAR, len++;
 181                         done = true;
 182                 }
 183
 184                 char *pe = p + len;
 185                 %% write exec;
 186
 187                 /* Check if we failed. */
 188                 if ( cs == Scanner_error ) {
 189                         /* Machine failed before finding a token. */
 190                         cerr << "PARSE ERROR" << endl;
 191                         exit(1);
 192                 }
 193
 194                 /* Now set up the prefix. */
 195                 if ( tokstart == 0 )
 196                         have = 0;
 197                 else {
 198                         /* There is data that needs to be shifted over. */
 199                         have = pe - tokstart;
 200                         memmove( buf, tokstart, have );
 201                         tokend -= (tokstart-buf);
 202                         tokstart = buf;
 203                 }
 204         }
 205
 206         return 0;
 207 }