utils/TableGen/TGLexer.cpp

   1 //===- TGLexer.cpp - Lexer for TableGen -----------------------------------===//
   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 // Implement the Lexer for TableGen.
  11 //
  12 //===----------------------------------------------------------------------===//
  13
  14 #include "TGLexer.h"
  15 #include "llvm/Support/SourceMgr.h"
  16 #include "llvm/Support/MemoryBuffer.h"
  17 #include "llvm/Config/config.h"
  18 #include "llvm/ADT/StringSwitch.h"
  19 #include "llvm/ADT/Twine.h"
  20 #include <cctype>
  21 #include <cstdio>
  22 #include <cstdlib>
  23 #include <cstring>
  24 #include <cerrno>
  25 using namespace llvm;
  26
  27 TGLexer::TGLexer(SourceMgr &SM) : SrcMgr(SM) {
  28   CurBuffer = 0;
  29   CurBuf = SrcMgr.getMemoryBuffer(CurBuffer);
  30   CurPtr = CurBuf->getBufferStart();
  31   TokStart = 0;
  32 }
  33
  34 SMLoc TGLexer::getLoc() const {
  35   return SMLoc::getFromPointer(TokStart);
  36 }
  37
  38
  39 /// ReturnError - Set the error to the specified string at the specified
  40 /// location.  This is defined to always return tgtok::Error.
  41 tgtok::TokKind TGLexer::ReturnError(const char *Loc, const Twine &Msg) {
  42   PrintError(Loc, Msg);
  43   return tgtok::Error;
  44 }
  45
  46
  47 void TGLexer::PrintError(const char *Loc, const Twine &Msg) const {
  48   SrcMgr.PrintMessage(SMLoc::getFromPointer(Loc), Msg, "error");
  49 }
  50
  51 void TGLexer::PrintError(SMLoc Loc, const Twine &Msg) const {
  52   SrcMgr.PrintMessage(Loc, Msg, "error");
  53 }
  54
  55
  56 int TGLexer::getNextChar() {
  57   char CurChar = *CurPtr++;
  58   switch (CurChar) {
  59   default:
  60     return (unsigned char)CurChar;
  61   case 0: {
  62     // A nul character in the stream is either the end of the current buffer or
  63     // a random nul in the file.  Disambiguate that here.
  64     if (CurPtr-1 != CurBuf->getBufferEnd())
  65       return 0;  // Just whitespace.
  66
  67     // If this is the end of an included file, pop the parent file off the
  68     // include stack.
  69     SMLoc ParentIncludeLoc = SrcMgr.getParentIncludeLoc(CurBuffer);
  70     if (ParentIncludeLoc != SMLoc()) {
  71       CurBuffer = SrcMgr.FindBufferContainingLoc(ParentIncludeLoc);
  72       CurBuf = SrcMgr.getMemoryBuffer(CurBuffer);
  73       CurPtr = ParentIncludeLoc.getPointer();
  74       return getNextChar();
  75     }
  76
  77     // Otherwise, return end of file.
  78     --CurPtr;  // Another call to lex will return EOF again.
  79     return EOF;
  80   }
  81   case '\n':
  82   case '\r':
  83     // Handle the newline character by ignoring it and incrementing the line
  84     // count.  However, be careful about 'dos style' files with \n\r in them.
  85     // Only treat a \n\r or \r\n as a single line.
  86     if ((*CurPtr == '\n' || (*CurPtr == '\r')) &&
  87         *CurPtr != CurChar)
  88       ++CurPtr;  // Eat the two char newline sequence.
  89     return '\n';
  90   }
  91 }
  92
  93 tgtok::TokKind TGLexer::LexToken() {
  94   TokStart = CurPtr;
  95   // This always consumes at least one character.
  96   int CurChar = getNextChar();
  97
  98   switch (CurChar) {
  99   default:
 100     // Handle letters: [a-zA-Z_#]
 101     if (isalpha(CurChar) || CurChar == '_' || CurChar == '#')
 102       return LexIdentifier();
 103
 104     // Unknown character, emit an error.
 105     return ReturnError(TokStart, "Unexpected character");
 106   case EOF: return tgtok::Eof;
 107   case ':': return tgtok::colon;
 108   case ';': return tgtok::semi;
 109   case '.': return tgtok::period;
 110   case ',': return tgtok::comma;
 111   case '<': return tgtok::less;
 112   case '>': return tgtok::greater;
 113   case ']': return tgtok::r_square;
 114   case '{': return tgtok::l_brace;
 115   case '}': return tgtok::r_brace;
 116   case '(': return tgtok::l_paren;
 117   case ')': return tgtok::r_paren;
 118   case '=': return tgtok::equal;
 119   case '?': return tgtok::question;
 120
 121   case 0:
 122   case ' ':
 123   case '\t':
 124   case '\n':
 125   case '\r':
 126     // Ignore whitespace.
 127     return LexToken();
 128   case '/':
 129     // If this is the start of a // comment, skip until the end of the line or
 130     // the end of the buffer.
 131     if (*CurPtr == '/')
 132       SkipBCPLComment();
 133     else if (*CurPtr == '*') {
 134       if (SkipCComment())
 135         return tgtok::Error;
 136     } else // Otherwise, this is an error.
 137       return ReturnError(TokStart, "Unexpected character");
 138     return LexToken();
 139   case '-': case '+':
 140   case '0': case '1': case '2': case '3': case '4': case '5': case '6':
 141   case '7': case '8': case '9':
 142     return LexNumber();
 143   case '"': return LexString();
 144   case '$': return LexVarName();
 145   case '[': return LexBracket();
 146   case '!': return LexExclaim();
 147   }
 148 }
 149
 150 /// LexString - Lex "[^"]*"
 151 tgtok::TokKind TGLexer::LexString() {
 152   const char *StrStart = CurPtr;
 153
 154   CurStrVal = "";
 155
 156   while (*CurPtr != '"') {
 157     // If we hit the end of the buffer, report an error.
 158     if (*CurPtr == 0 && CurPtr == CurBuf->getBufferEnd())
 159       return ReturnError(StrStart, "End of file in string literal");
 160
 161     if (*CurPtr == '\n' || *CurPtr == '\r')
 162       return ReturnError(StrStart, "End of line in string literal");
 163
 164     if (*CurPtr != '\\') {
 165       CurStrVal += *CurPtr++;
 166       continue;
 167     }
 168
 169     ++CurPtr;
 170
 171     switch (*CurPtr) {
 172     case '\\': case '\'': case '"':
 173       // These turn into their literal character.
 174       CurStrVal += *CurPtr++;
 175       break;
 176     case 't':
 177       CurStrVal += '\t';
 178       ++CurPtr;
 179       break;
 180     case 'n':
 181       CurStrVal += '\n';
 182       ++CurPtr;
 183       break;
 184
 185     case '\n':
 186     case '\r':
 187       return ReturnError(CurPtr, "escaped newlines not supported in tblgen");
 188
 189     // If we hit the end of the buffer, report an error.
 190     case '\0':
 191       if (CurPtr == CurBuf->getBufferEnd())
 192         return ReturnError(StrStart, "End of file in string literal");
 193       // FALL THROUGH
 194     default:
 195       return ReturnError(CurPtr, "invalid escape in string literal");
 196     }
 197   }
 198
 199   ++CurPtr;
 200   return tgtok::StrVal;
 201 }
 202
 203 tgtok::TokKind TGLexer::LexVarName() {
 204   if (!isalpha(CurPtr[0]) && CurPtr[0] != '_')
 205     return ReturnError(TokStart, "Invalid variable name");
 206
 207   // Otherwise, we're ok, consume the rest of the characters.
 208   const char *VarNameStart = CurPtr++;
 209
 210   while (isalpha(*CurPtr) || isdigit(*CurPtr) || *CurPtr == '_')
 211     ++CurPtr;
 212
 213   CurStrVal.assign(VarNameStart, CurPtr);
 214   return tgtok::VarName;
 215 }
 216
 217
 218 tgtok::TokKind TGLexer::LexIdentifier() {
 219   // The first letter is [a-zA-Z_#].
 220   const char *IdentStart = TokStart;
 221
 222   // Match the rest of the identifier regex: [0-9a-zA-Z_#]*
 223   while (isalpha(*CurPtr) || isdigit(*CurPtr) || *CurPtr == '_' ||
 224          *CurPtr == '#')
 225     ++CurPtr;
 226
 227
 228   // Check to see if this identifier is a keyword.
 229   unsigned Len = CurPtr-IdentStart;
 230
 231   if (Len == 3 && !memcmp(IdentStart, "int", 3)) return tgtok::Int;
 232   if (Len == 3 && !memcmp(IdentStart, "bit", 3)) return tgtok::Bit;
 233   if (Len == 4 && !memcmp(IdentStart, "bits", 4)) return tgtok::Bits;
 234   if (Len == 6 && !memcmp(IdentStart, "string", 6)) return tgtok::String;
 235   if (Len == 4 && !memcmp(IdentStart, "list", 4)) return tgtok::List;
 236   if (Len == 4 && !memcmp(IdentStart, "code", 4)) return tgtok::Code;
 237   if (Len == 3 && !memcmp(IdentStart, "dag", 3)) return tgtok::Dag;
 238
 239   if (Len == 5 && !memcmp(IdentStart, "class", 5)) return tgtok::Class;
 240   if (Len == 3 && !memcmp(IdentStart, "def", 3)) return tgtok::Def;
 241   if (Len == 4 && !memcmp(IdentStart, "defm", 4)) return tgtok::Defm;
 242   if (Len == 10 && !memcmp(IdentStart, "multiclass", 10))
 243     return tgtok::MultiClass;
 244   if (Len == 5 && !memcmp(IdentStart, "field", 5)) return tgtok::Field;
 245   if (Len == 3 && !memcmp(IdentStart, "let", 3)) return tgtok::Let;
 246   if (Len == 2 && !memcmp(IdentStart, "in", 2)) return tgtok::In;
 247
 248   if (Len == 7 && !memcmp(IdentStart, "include", 7)) {
 249     if (LexInclude()) return tgtok::Error;
 250     return Lex();
 251   }
 252
 253   CurStrVal.assign(IdentStart, CurPtr);
 254   return tgtok::Id;
 255 }
 256
 257 /// LexInclude - We just read the "include" token.  Get the string token that
 258 /// comes next and enter the include.
 259 bool TGLexer::LexInclude() {
 260   // The token after the include must be a string.
 261   tgtok::TokKind Tok = LexToken();
 262   if (Tok == tgtok::Error) return true;
 263   if (Tok != tgtok::StrVal) {
 264     PrintError(getLoc(), "Expected filename after include");
 265     return true;
 266   }
 267
 268   // Get the string.
 269   std::string Filename = CurStrVal;
 270
 271
 272   CurBuffer = SrcMgr.AddIncludeFile(Filename, SMLoc::getFromPointer(CurPtr));
 273   if (CurBuffer == -1) {
 274     PrintError(getLoc(), "Could not find include file '" + Filename + "'");
 275     return true;
 276   }
 277
 278   // Save the line number and lex buffer of the includer.
 279   CurBuf = SrcMgr.getMemoryBuffer(CurBuffer);
 280   CurPtr = CurBuf->getBufferStart();
 281   return false;
 282 }
 283
 284 void TGLexer::SkipBCPLComment() {
 285   ++CurPtr;  // skip the second slash.
 286   while (1) {
 287     switch (*CurPtr) {
 288     case '\n':
 289     case '\r':
 290       return;  // Newline is end of comment.
 291     case 0:
 292       // If this is the end of the buffer, end the comment.
 293       if (CurPtr == CurBuf->getBufferEnd())
 294         return;
 295       break;
 296     }
 297     // Otherwise, skip the character.
 298     ++CurPtr;
 299   }
 300 }
 301
 302 /// SkipCComment - This skips C-style /**/ comments.  The only difference from C
 303 /// is that we allow nesting.
 304 bool TGLexer::SkipCComment() {
 305   ++CurPtr;  // skip the star.
 306   unsigned CommentDepth = 1;
 307
 308   while (1) {
 309     int CurChar = getNextChar();
 310     switch (CurChar) {
 311     case EOF:
 312       PrintError(TokStart, "Unterminated comment!");
 313       return true;
 314     case '*':
 315       // End of the comment?
 316       if (CurPtr[0] != '/') break;
 317
 318       ++CurPtr;   // End the */.
 319       if (--CommentDepth == 0)
 320         return false;
 321       break;
 322     case '/':
 323       // Start of a nested comment?
 324       if (CurPtr[0] != '*') break;
 325       ++CurPtr;
 326       ++CommentDepth;
 327       break;
 328     }
 329   }
 330 }
 331
 332 /// LexNumber - Lex:
 333 ///    [-+]?[0-9]+
 334 ///    0x[0-9a-fA-F]+
 335 ///    0b[01]+
 336 tgtok::TokKind TGLexer::LexNumber() {
 337   if (CurPtr[-1] == '0') {
 338     if (CurPtr[0] == 'x') {
 339       ++CurPtr;
 340       const char *NumStart = CurPtr;
 341       while (isxdigit(CurPtr[0]))
 342         ++CurPtr;
 343
 344       // Requires at least one hex digit.
 345       if (CurPtr == NumStart)
 346         return ReturnError(TokStart, "Invalid hexadecimal number");
 347
 348       errno = 0;
 349       CurIntVal = strtoll(NumStart, 0, 16);
 350       if (errno == EINVAL)
 351         return ReturnError(TokStart, "Invalid hexadecimal number");
 352       if (errno == ERANGE) {
 353         errno = 0;
 354         CurIntVal = (int64_t)strtoull(NumStart, 0, 16);
 355         if (errno == EINVAL)
 356           return ReturnError(TokStart, "Invalid hexadecimal number");
 357         if (errno == ERANGE)
 358           return ReturnError(TokStart, "Hexadecimal number out of range");
 359       }
 360       return tgtok::IntVal;
 361     } else if (CurPtr[0] == 'b') {
 362       ++CurPtr;
 363       const char *NumStart = CurPtr;
 364       while (CurPtr[0] == '0' || CurPtr[0] == '1')
 365         ++CurPtr;
 366
 367       // Requires at least one binary digit.
 368       if (CurPtr == NumStart)
 369         return ReturnError(CurPtr-2, "Invalid binary number");
 370       CurIntVal = strtoll(NumStart, 0, 2);
 371       return tgtok::IntVal;
 372     }
 373   }
 374
 375   // Check for a sign without a digit.
 376   if (!isdigit(CurPtr[0])) {
 377     if (CurPtr[-1] == '-')
 378       return tgtok::minus;
 379     else if (CurPtr[-1] == '+')
 380       return tgtok::plus;
 381   }
 382
 383   while (isdigit(CurPtr[0]))
 384     ++CurPtr;
 385   CurIntVal = strtoll(TokStart, 0, 10);
 386   return tgtok::IntVal;
 387 }
 388
 389 /// LexBracket - We just read '['.  If this is a code block, return it,
 390 /// otherwise return the bracket.  Match: '[' and '[{ ( [^}]+ | }[^]] )* }]'
 391 tgtok::TokKind TGLexer::LexBracket() {
 392   if (CurPtr[0] != '{')
 393     return tgtok::l_square;
 394   ++CurPtr;
 395   const char *CodeStart = CurPtr;
 396   while (1) {
 397     int Char = getNextChar();
 398     if (Char == EOF) break;
 399
 400     if (Char != '}') continue;
 401
 402     Char = getNextChar();
 403     if (Char == EOF) break;
 404     if (Char == ']') {
 405       CurStrVal.assign(CodeStart, CurPtr-2);
 406       return tgtok::CodeFragment;
 407     }
 408   }
 409
 410   return ReturnError(CodeStart-2, "Unterminated Code Block");
 411 }
 412
 413 /// LexExclaim - Lex '!' and '![a-zA-Z]+'.
 414 tgtok::TokKind TGLexer::LexExclaim() {
 415   if (!isalpha(*CurPtr))
 416     return ReturnError(CurPtr - 1, "Invalid \"!operator\"");
 417
 418   const char *Start = CurPtr++;
 419   while (isalpha(*CurPtr))
 420     ++CurPtr;
 421
 422   // Check to see which operator this is.
 423   tgtok::TokKind Kind =
 424     StringSwitch<tgtok::TokKind>(StringRef(Start, CurPtr - Start))
 425     .Case("eq", tgtok::XEq)
 426     .Case("if", tgtok::XIf)
 427     .Case("head", tgtok::XHead)
 428     .Case("tail", tgtok::XTail)
 429     .Case("con", tgtok::XConcat)
 430     .Case("shl", tgtok::XSHL)
 431     .Case("sra", tgtok::XSRA)
 432     .Case("srl", tgtok::XSRL)
 433     .Case("cast", tgtok::XCast)
 434     .Case("empty", tgtok::XEmpty)
 435     .Case("subst", tgtok::XSubst)
 436     .Case("foreach", tgtok::XForEach)
 437     .Case("strconcat", tgtok::XStrConcat)
 438     .Default(tgtok::Error);
 439
 440   return Kind != tgtok::Error ? Kind : ReturnError(Start-1, "Unknown operator");
 441 }
 442