lib/MC/MCParser/AsmLexer.cpp

   1 //===- AsmLexer.cpp - Lexer for Assembly Files ----------------------------===//
   2 //
   3 //                     The LLVM Compiler Infrastructure
   4 //
   5 // This file is distributed under the University of Illinois Open Source
   6 // License. See LICENSE.TXT for details.
   7 //
   8 //===----------------------------------------------------------------------===//
   9 //
  10 // This class implements the lexer for assembly files.
  11 //
  12 //===----------------------------------------------------------------------===//
  13
  14 #include "llvm/MC/MCParser/AsmLexer.h"
  15 #include "llvm/Support/SMLoc.h"
  16 #include "llvm/Support/MemoryBuffer.h"
  17 #include "llvm/MC/MCAsmInfo.h"
  18 #include <cerrno>
  19 #include <cstdio>
  20 #include <cstdlib>
  21 using namespace llvm;
  22
  23 AsmLexer::AsmLexer(const MCAsmInfo &_MAI) : MAI(_MAI)  {
  24   CurBuf = NULL;
  25   CurPtr = NULL;
  26   TokStart = 0;
  27 }
  28
  29 AsmLexer::~AsmLexer() {
  30 }
  31
  32 void AsmLexer::setBuffer(const MemoryBuffer *buf, const char *ptr) {
  33   CurBuf = buf;
  34
  35   if (ptr)
  36     CurPtr = ptr;
  37   else
  38     CurPtr = CurBuf->getBufferStart();
  39
  40   TokStart = 0;
  41 }
  42
  43 SMLoc AsmLexer::getLoc() const {
  44   return SMLoc::getFromPointer(TokStart);
  45 }
  46
  47 /// ReturnError - Set the error to the specified string at the specified
  48 /// location.  This is defined to always return AsmToken::Error.
  49 AsmToken AsmLexer::ReturnError(const char *Loc, const std::string &Msg) {
  50   SetError(SMLoc::getFromPointer(Loc), Msg);
  51
  52   return AsmToken(AsmToken::Error, StringRef(Loc, 0));
  53 }
  54
  55 int AsmLexer::getNextChar() {
  56   char CurChar = *CurPtr++;
  57   switch (CurChar) {
  58   default:
  59     return (unsigned char)CurChar;
  60   case 0:
  61     // A nul character in the stream is either the end of the current buffer or
  62     // a random nul in the file.  Disambiguate that here.
  63     if (CurPtr-1 != CurBuf->getBufferEnd())
  64       return 0;  // Just whitespace.
  65
  66     // Otherwise, return end of file.
  67     --CurPtr;  // Another call to lex will return EOF again.
  68     return EOF;
  69   }
  70 }
  71
  72 /// LexIdentifier: [a-zA-Z_.][a-zA-Z0-9_$.@]*
  73 AsmToken AsmLexer::LexIdentifier() {
  74   while (isalnum(*CurPtr) || *CurPtr == '_' || *CurPtr == '$' ||
  75          *CurPtr == '.' || *CurPtr == '@')
  76     ++CurPtr;
  77
  78   // Handle . as a special case.
  79   if (CurPtr == TokStart+1 && TokStart[0] == '.')
  80     return AsmToken(AsmToken::Dot, StringRef(TokStart, 1));
  81
  82   return AsmToken(AsmToken::Identifier, StringRef(TokStart, CurPtr - TokStart));
  83 }
  84
  85 /// LexSlash: Slash: /
  86 ///           C-Style Comment: /* ... */
  87 AsmToken AsmLexer::LexSlash() {
  88   switch (*CurPtr) {
  89   case '*': break; // C style comment.
  90   case '/': return ++CurPtr, LexLineComment();
  91   default:  return AsmToken(AsmToken::Slash, StringRef(CurPtr, 1));
  92   }
  93
  94   // C Style comment.
  95   ++CurPtr;  // skip the star.
  96   while (1) {
  97     int CurChar = getNextChar();
  98     switch (CurChar) {
  99     case EOF:
 100       return ReturnError(TokStart, "unterminated comment");
 101     case '*':
 102       // End of the comment?
 103       if (CurPtr[0] != '/') break;
 104
 105       ++CurPtr;   // End the */.
 106       return LexToken();
 107     }
 108   }
 109 }
 110
 111 /// LexLineComment: Comment: #[^\n]*
 112 ///                        : //[^\n]*
 113 AsmToken AsmLexer::LexLineComment() {
 114   // FIXME: This is broken if we happen to a comment at the end of a file, which
 115   // was .included, and which doesn't end with a newline.
 116   int CurChar = getNextChar();
 117   while (CurChar != '\n' && CurChar != '\n' && CurChar != EOF)
 118     CurChar = getNextChar();
 119
 120   if (CurChar == EOF)
 121     return AsmToken(AsmToken::Eof, StringRef(CurPtr, 0));
 122   return AsmToken(AsmToken::EndOfStatement, StringRef(CurPtr, 0));
 123 }
 124
 125
 126 /// LexDigit: First character is [0-9].
 127 ///   Local Label: [0-9][:]
 128 ///   Forward/Backward Label: [0-9][fb]
 129 ///   Binary integer: 0b[01]+
 130 ///   Octal integer: 0[0-7]+
 131 ///   Hex integer: 0x[0-9a-fA-F]+
 132 ///   Decimal integer: [1-9][0-9]*
 133 /// TODO: FP literal.
 134 AsmToken AsmLexer::LexDigit() {
 135   // Decimal integer: [1-9][0-9]*
 136   if (CurPtr[-1] != '0') {
 137     while (isdigit(*CurPtr))
 138       ++CurPtr;
 139
 140     StringRef Result(TokStart, CurPtr - TokStart);
 141
 142     long long Value;
 143     if (Result.getAsInteger(10, Value)) {
 144       // We have to handle minint_as_a_positive_value specially, because
 145       // - minint_as_a_positive_value = minint and it is valid.
 146       if (Result == "9223372036854775808")
 147         Value = -9223372036854775808ULL;
 148       else
 149         return ReturnError(TokStart, "Invalid decimal number");
 150     }
 151     return AsmToken(AsmToken::Integer, Result, Value);
 152   }
 153
 154   if (*CurPtr == 'b') {
 155     ++CurPtr;
 156     // See if we actually have "0b" as part of something like "jmp 0b\n"
 157     if (CurPtr[0] == '\n') {
 158       --CurPtr;
 159       StringRef Result(TokStart, CurPtr - TokStart);
 160       ++CurPtr;
 161       return AsmToken(AsmToken::Integer, Result, 0);
 162     }
 163     const char *NumStart = CurPtr;
 164     while (CurPtr[0] == '0' || CurPtr[0] == '1')
 165       ++CurPtr;
 166
 167     // Requires at least one binary digit.
 168     if (CurPtr == NumStart)
 169       return ReturnError(TokStart, "Invalid binary number");
 170
 171     StringRef Result(TokStart, CurPtr - TokStart);
 172
 173     long long Value;
 174     if (Result.getAsInteger(2, Value))
 175       return ReturnError(TokStart, "Invalid binary number");
 176
 177     return AsmToken(AsmToken::Integer, Result, Value);
 178   }
 179
 180   if (*CurPtr == 'x') {
 181     ++CurPtr;
 182     const char *NumStart = CurPtr;
 183     while (isxdigit(CurPtr[0]))
 184       ++CurPtr;
 185
 186     // Requires at least one hex digit.
 187     if (CurPtr == NumStart)
 188       return ReturnError(CurPtr-2, "Invalid hexadecimal number");
 189
 190     unsigned long long Result;
 191     if (StringRef(TokStart, CurPtr - TokStart).getAsInteger(0, Result))
 192       return ReturnError(TokStart, "Invalid hexadecimal number");
 193
 194     return AsmToken(AsmToken::Integer, StringRef(TokStart, CurPtr - TokStart),
 195                     (int64_t)Result);
 196   }
 197
 198   // Must be an octal number, it starts with 0.
 199   while (*CurPtr >= '0' && *CurPtr <= '7')
 200     ++CurPtr;
 201
 202   StringRef Result(TokStart, CurPtr - TokStart);
 203   long long Value;
 204   if (Result.getAsInteger(8, Value))
 205     return ReturnError(TokStart, "Invalid octal number");
 206
 207   return AsmToken(AsmToken::Integer, Result, Value);
 208 }
 209
 210 /// LexQuote: String: "..."
 211 AsmToken AsmLexer::LexQuote() {
 212   int CurChar = getNextChar();
 213   // TODO: does gas allow multiline string constants?
 214   while (CurChar != '"') {
 215     if (CurChar == '\\') {
 216       // Allow \", etc.
 217       CurChar = getNextChar();
 218     }
 219
 220     if (CurChar == EOF)
 221       return ReturnError(TokStart, "unterminated string constant");
 222
 223     CurChar = getNextChar();
 224   }
 225
 226   return AsmToken(AsmToken::String, StringRef(TokStart, CurPtr - TokStart));
 227 }
 228
 229 StringRef AsmLexer::LexUntilEndOfStatement() {
 230   TokStart = CurPtr;
 231
 232   while (!isAtStartOfComment(*CurPtr) && // Start of line comment.
 233           *CurPtr != ';' &&  // End of statement marker.
 234          *CurPtr != '\n' &&
 235          *CurPtr != '\r' &&
 236          (*CurPtr != 0 || CurPtr != CurBuf->getBufferEnd())) {
 237     ++CurPtr;
 238   }
 239   return StringRef(TokStart, CurPtr-TokStart);
 240 }
 241
 242 bool AsmLexer::isAtStartOfComment(char Char) {
 243   // FIXME: This won't work for multi-character comment indicators like "//".
 244   return Char == *MAI.getCommentString();
 245 }
 246
 247 AsmToken AsmLexer::LexToken() {
 248   TokStart = CurPtr;
 249   // This always consumes at least one character.
 250   int CurChar = getNextChar();
 251
 252   if (isAtStartOfComment(CurChar))
 253     return LexLineComment();
 254
 255   switch (CurChar) {
 256   default:
 257     // Handle identifier: [a-zA-Z_.][a-zA-Z0-9_$.@]*
 258     if (isalpha(CurChar) || CurChar == '_' || CurChar == '.')
 259       return LexIdentifier();
 260
 261     // Unknown character, emit an error.
 262     return ReturnError(TokStart, "invalid character in input");
 263   case EOF: return AsmToken(AsmToken::Eof, StringRef(TokStart, 0));
 264   case 0:
 265   case ' ':
 266   case '\t':
 267     // Ignore whitespace.
 268     return LexToken();
 269   case '\n': // FALL THROUGH.
 270   case '\r': // FALL THROUGH.
 271   case ';': return AsmToken(AsmToken::EndOfStatement, StringRef(TokStart, 1));
 272   case ':': return AsmToken(AsmToken::Colon, StringRef(TokStart, 1));
 273   case '+': return AsmToken(AsmToken::Plus, StringRef(TokStart, 1));
 274   case '-': return AsmToken(AsmToken::Minus, StringRef(TokStart, 1));
 275   case '~': return AsmToken(AsmToken::Tilde, StringRef(TokStart, 1));
 276   case '(': return AsmToken(AsmToken::LParen, StringRef(TokStart, 1));
 277   case ')': return AsmToken(AsmToken::RParen, StringRef(TokStart, 1));
 278   case '[': return AsmToken(AsmToken::LBrac, StringRef(TokStart, 1));
 279   case ']': return AsmToken(AsmToken::RBrac, StringRef(TokStart, 1));
 280   case '{': return AsmToken(AsmToken::LCurly, StringRef(TokStart, 1));
 281   case '}': return AsmToken(AsmToken::RCurly, StringRef(TokStart, 1));
 282   case '*': return AsmToken(AsmToken::Star, StringRef(TokStart, 1));
 283   case ',': return AsmToken(AsmToken::Comma, StringRef(TokStart, 1));
 284   case '$': return AsmToken(AsmToken::Dollar, StringRef(TokStart, 1));
 285   case '=':
 286     if (*CurPtr == '=')
 287       return ++CurPtr, AsmToken(AsmToken::EqualEqual, StringRef(TokStart, 2));
 288     return AsmToken(AsmToken::Equal, StringRef(TokStart, 1));
 289   case '|':
 290     if (*CurPtr == '|')
 291       return ++CurPtr, AsmToken(AsmToken::PipePipe, StringRef(TokStart, 2));
 292     return AsmToken(AsmToken::Pipe, StringRef(TokStart, 1));
 293   case '^': return AsmToken(AsmToken::Caret, StringRef(TokStart, 1));
 294   case '&':
 295     if (*CurPtr == '&')
 296       return ++CurPtr, AsmToken(AsmToken::AmpAmp, StringRef(TokStart, 2));
 297     return AsmToken(AsmToken::Amp, StringRef(TokStart, 1));
 298   case '!':
 299     if (*CurPtr == '=')
 300       return ++CurPtr, AsmToken(AsmToken::ExclaimEqual, StringRef(TokStart, 2));
 301     return AsmToken(AsmToken::Exclaim, StringRef(TokStart, 1));
 302   case '%': return AsmToken(AsmToken::Percent, StringRef(TokStart, 1));
 303   case '/': return LexSlash();
 304   case '#': return AsmToken(AsmToken::Hash, StringRef(TokStart, 1));
 305   case '"': return LexQuote();
 306   case '0': case '1': case '2': case '3': case '4':
 307   case '5': case '6': case '7': case '8': case '9':
 308     return LexDigit();
 309   case '<':
 310     switch (*CurPtr) {
 311     case '<': return ++CurPtr, AsmToken(AsmToken::LessLess,
 312                                         StringRef(TokStart, 2));
 313     case '=': return ++CurPtr, AsmToken(AsmToken::LessEqual,
 314                                         StringRef(TokStart, 2));
 315     case '>': return ++CurPtr, AsmToken(AsmToken::LessGreater,
 316                                         StringRef(TokStart, 2));
 317     default: return AsmToken(AsmToken::Less, StringRef(TokStart, 1));
 318     }
 319   case '>':
 320     switch (*CurPtr) {
 321     case '>': return ++CurPtr, AsmToken(AsmToken::GreaterGreater,
 322                                         StringRef(TokStart, 2));
 323     case '=': return ++CurPtr, AsmToken(AsmToken::GreaterEqual,
 324                                         StringRef(TokStart, 2));
 325     default: return AsmToken(AsmToken::Greater, StringRef(TokStart, 1));
 326     }
 327
 328   // TODO: Quoted identifiers (objc methods etc)
 329   // local labels: [0-9][:]
 330   // Forward/backward labels: [0-9][fb]
 331   // Integers, fp constants, character constants.
 332   }
 333 }