contrib/llvm/lib/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/ADT/StringSwitch.h"
  16 #include "llvm/ADT/Twine.h"
  17 #include "llvm/Config/config.h" // for strtoull()/strtoll() define
  18 #include "llvm/Support/Compiler.h"
  19 #include "llvm/Support/MemoryBuffer.h"
  20 #include "llvm/Support/SourceMgr.h"
  21 #include "llvm/TableGen/Error.h"
  22 #include <cctype>
  23 #include <cerrno>
  24 #include <cstdint>
  25 #include <cstdio>
  26 #include <cstdlib>
  27 #include <cstring>
  28
  29 using namespace llvm;
  30
  31 TGLexer::TGLexer(SourceMgr &SM) : SrcMgr(SM) {
  32   CurBuffer = SrcMgr.getMainFileID();
  33   CurBuf = SrcMgr.getMemoryBuffer(CurBuffer)->getBuffer();
  34   CurPtr = CurBuf.begin();
  35   TokStart = nullptr;
  36 }
  37
  38 SMLoc TGLexer::getLoc() const {
  39   return SMLoc::getFromPointer(TokStart);
  40 }
  41
  42 /// ReturnError - Set the error to the specified string at the specified
  43 /// location.  This is defined to always return tgtok::Error.
  44 tgtok::TokKind TGLexer::ReturnError(const char *Loc, const Twine &Msg) {
  45   PrintError(Loc, Msg);
  46   return tgtok::Error;
  47 }
  48
  49 int TGLexer::getNextChar() {
  50   char CurChar = *CurPtr++;
  51   switch (CurChar) {
  52   default:
  53     return (unsigned char)CurChar;
  54   case 0: {
  55     // A nul character in the stream is either the end of the current buffer or
  56     // a random nul in the file.  Disambiguate that here.
  57     if (CurPtr-1 != CurBuf.end())
  58       return 0;  // Just whitespace.
  59
  60     // If this is the end of an included file, pop the parent file off the
  61     // include stack.
  62     SMLoc ParentIncludeLoc = SrcMgr.getParentIncludeLoc(CurBuffer);
  63     if (ParentIncludeLoc != SMLoc()) {
  64       CurBuffer = SrcMgr.FindBufferContainingLoc(ParentIncludeLoc);
  65       CurBuf = SrcMgr.getMemoryBuffer(CurBuffer)->getBuffer();
  66       CurPtr = ParentIncludeLoc.getPointer();
  67       return getNextChar();
  68     }
  69
  70     // Otherwise, return end of file.
  71     --CurPtr;  // Another call to lex will return EOF again.
  72     return EOF;
  73   }
  74   case '\n':
  75   case '\r':
  76     // Handle the newline character by ignoring it and incrementing the line
  77     // count.  However, be careful about 'dos style' files with \n\r in them.
  78     // Only treat a \n\r or \r\n as a single line.
  79     if ((*CurPtr == '\n' || (*CurPtr == '\r')) &&
  80         *CurPtr != CurChar)
  81       ++CurPtr;  // Eat the two char newline sequence.
  82     return '\n';
  83   }
  84 }
  85
  86 int TGLexer::peekNextChar(int Index) {
  87   return *(CurPtr + Index);
  88 }
  89
  90 tgtok::TokKind TGLexer::LexToken() {
  91   TokStart = CurPtr;
  92   // This always consumes at least one character.
  93   int CurChar = getNextChar();
  94
  95   switch (CurChar) {
  96   default:
  97     // Handle letters: [a-zA-Z_]
  98     if (isalpha(CurChar) || CurChar == '_')
  99       return LexIdentifier();
 100
 101     // Unknown character, emit an error.
 102     return ReturnError(TokStart, "Unexpected character");
 103   case EOF: return tgtok::Eof;
 104   case ':': return tgtok::colon;
 105   case ';': return tgtok::semi;
 106   case '.': return tgtok::period;
 107   case ',': return tgtok::comma;
 108   case '<': return tgtok::less;
 109   case '>': return tgtok::greater;
 110   case ']': return tgtok::r_square;
 111   case '{': return tgtok::l_brace;
 112   case '}': return tgtok::r_brace;
 113   case '(': return tgtok::l_paren;
 114   case ')': return tgtok::r_paren;
 115   case '=': return tgtok::equal;
 116   case '?': return tgtok::question;
 117   case '#': return tgtok::paste;
 118
 119   case 0:
 120   case ' ':
 121   case '\t':
 122   case '\n':
 123   case '\r':
 124     // Ignore whitespace.
 125     return LexToken();
 126   case '/':
 127     // If this is the start of a // comment, skip until the end of the line or
 128     // the end of the buffer.
 129     if (*CurPtr == '/')
 130       SkipBCPLComment();
 131     else if (*CurPtr == '*') {
 132       if (SkipCComment())
 133         return tgtok::Error;
 134     } else // Otherwise, this is an error.
 135       return ReturnError(TokStart, "Unexpected character");
 136     return LexToken();
 137   case '-': case '+':
 138   case '0': case '1': case '2': case '3': case '4': case '5': case '6':
 139   case '7': case '8': case '9': {
 140     int NextChar = 0;
 141     if (isdigit(CurChar)) {
 142       // Allow identifiers to start with a number if it is followed by
 143       // an identifier.  This can happen with paste operations like
 144       // foo#8i.
 145       int i = 0;
 146       do {
 147         NextChar = peekNextChar(i++);
 148       } while (isdigit(NextChar));
 149
 150       if (NextChar == 'x' || NextChar == 'b') {
 151         // If this is [0-9]b[01] or [0-9]x[0-9A-fa-f] this is most
 152         // likely a number.
 153         int NextNextChar = peekNextChar(i);
 154         switch (NextNextChar) {
 155         default:
 156           break;
 157         case '0': case '1':
 158           if (NextChar == 'b')
 159             return LexNumber();
 160           LLVM_FALLTHROUGH;
 161         case '2': case '3': case '4': case '5':
 162         case '6': case '7': case '8': case '9':
 163         case 'a': case 'b': case 'c': case 'd': case 'e': case 'f':
 164         case 'A': case 'B': case 'C': case 'D': case 'E': case 'F':
 165           if (NextChar == 'x')
 166             return LexNumber();
 167           break;
 168         }
 169       }
 170     }
 171
 172     if (isalpha(NextChar) || NextChar == '_')
 173       return LexIdentifier();
 174
 175     return LexNumber();
 176   }
 177   case '"': return LexString();
 178   case '$': return LexVarName();
 179   case '[': return LexBracket();
 180   case '!': return LexExclaim();
 181   }
 182 }
 183
 184 /// LexString - Lex "[^"]*"
 185 tgtok::TokKind TGLexer::LexString() {
 186   const char *StrStart = CurPtr;
 187
 188   CurStrVal = "";
 189
 190   while (*CurPtr != '"') {
 191     // If we hit the end of the buffer, report an error.
 192     if (*CurPtr == 0 && CurPtr == CurBuf.end())
 193       return ReturnError(StrStart, "End of file in string literal");
 194
 195     if (*CurPtr == '\n' || *CurPtr == '\r')
 196       return ReturnError(StrStart, "End of line in string literal");
 197
 198     if (*CurPtr != '\\') {
 199       CurStrVal += *CurPtr++;
 200       continue;
 201     }
 202
 203     ++CurPtr;
 204
 205     switch (*CurPtr) {
 206     case '\\': case '\'': case '"':
 207       // These turn into their literal character.
 208       CurStrVal += *CurPtr++;
 209       break;
 210     case 't':
 211       CurStrVal += '\t';
 212       ++CurPtr;
 213       break;
 214     case 'n':
 215       CurStrVal += '\n';
 216       ++CurPtr;
 217       break;
 218
 219     case '\n':
 220     case '\r':
 221       return ReturnError(CurPtr, "escaped newlines not supported in tblgen");
 222
 223     // If we hit the end of the buffer, report an error.
 224     case '\0':
 225       if (CurPtr == CurBuf.end())
 226         return ReturnError(StrStart, "End of file in string literal");
 227       LLVM_FALLTHROUGH;
 228     default:
 229       return ReturnError(CurPtr, "invalid escape in string literal");
 230     }
 231   }
 232
 233   ++CurPtr;
 234   return tgtok::StrVal;
 235 }
 236
 237 tgtok::TokKind TGLexer::LexVarName() {
 238   if (!isalpha(CurPtr[0]) && CurPtr[0] != '_')
 239     return ReturnError(TokStart, "Invalid variable name");
 240
 241   // Otherwise, we're ok, consume the rest of the characters.
 242   const char *VarNameStart = CurPtr++;
 243
 244   while (isalpha(*CurPtr) || isdigit(*CurPtr) || *CurPtr == '_')
 245     ++CurPtr;
 246
 247   CurStrVal.assign(VarNameStart, CurPtr);
 248   return tgtok::VarName;
 249 }
 250
 251 tgtok::TokKind TGLexer::LexIdentifier() {
 252   // The first letter is [a-zA-Z_#].
 253   const char *IdentStart = TokStart;
 254
 255   // Match the rest of the identifier regex: [0-9a-zA-Z_#]*
 256   while (isalpha(*CurPtr) || isdigit(*CurPtr) || *CurPtr == '_')
 257     ++CurPtr;
 258
 259   // Check to see if this identifier is a keyword.
 260   StringRef Str(IdentStart, CurPtr-IdentStart);
 261
 262   if (Str == "include") {
 263     if (LexInclude()) return tgtok::Error;
 264     return Lex();
 265   }
 266
 267   tgtok::TokKind Kind = StringSwitch<tgtok::TokKind>(Str)
 268     .Case("int", tgtok::Int)
 269     .Case("bit", tgtok::Bit)
 270     .Case("bits", tgtok::Bits)
 271     .Case("string", tgtok::String)
 272     .Case("list", tgtok::List)
 273     .Case("code", tgtok::Code)
 274     .Case("dag", tgtok::Dag)
 275     .Case("class", tgtok::Class)
 276     .Case("def", tgtok::Def)
 277     .Case("foreach", tgtok::Foreach)
 278     .Case("defm", tgtok::Defm)
 279     .Case("multiclass", tgtok::MultiClass)
 280     .Case("field", tgtok::Field)
 281     .Case("let", tgtok::Let)
 282     .Case("in", tgtok::In)
 283     .Default(tgtok::Id);
 284
 285   if (Kind == tgtok::Id)
 286     CurStrVal.assign(Str.begin(), Str.end());
 287   return Kind;
 288 }
 289
 290 /// LexInclude - We just read the "include" token.  Get the string token that
 291 /// comes next and enter the include.
 292 bool TGLexer::LexInclude() {
 293   // The token after the include must be a string.
 294   tgtok::TokKind Tok = LexToken();
 295   if (Tok == tgtok::Error) return true;
 296   if (Tok != tgtok::StrVal) {
 297     PrintError(getLoc(), "Expected filename after include");
 298     return true;
 299   }
 300
 301   // Get the string.
 302   std::string Filename = CurStrVal;
 303   std::string IncludedFile;
 304
 305   CurBuffer = SrcMgr.AddIncludeFile(Filename, SMLoc::getFromPointer(CurPtr),
 306                                     IncludedFile);
 307   if (!CurBuffer) {
 308     PrintError(getLoc(), "Could not find include file '" + Filename + "'");
 309     return true;
 310   }
 311
 312   DependenciesMapTy::const_iterator Found = Dependencies.find(IncludedFile);
 313   if (Found != Dependencies.end()) {
 314     PrintError(getLoc(),
 315                "File '" + IncludedFile + "' has already been included.");
 316     SrcMgr.PrintMessage(Found->second, SourceMgr::DK_Note,
 317                         "previously included here");
 318     return true;
 319   }
 320   Dependencies.insert(std::make_pair(IncludedFile, getLoc()));
 321   // Save the line number and lex buffer of the includer.
 322   CurBuf = SrcMgr.getMemoryBuffer(CurBuffer)->getBuffer();
 323   CurPtr = CurBuf.begin();
 324   return false;
 325 }
 326
 327 void TGLexer::SkipBCPLComment() {
 328   ++CurPtr;  // skip the second slash.
 329   while (true) {
 330     switch (*CurPtr) {
 331     case '\n':
 332     case '\r':
 333       return;  // Newline is end of comment.
 334     case 0:
 335       // If this is the end of the buffer, end the comment.
 336       if (CurPtr == CurBuf.end())
 337         return;
 338       break;
 339     }
 340     // Otherwise, skip the character.
 341     ++CurPtr;
 342   }
 343 }
 344
 345 /// SkipCComment - This skips C-style /**/ comments.  The only difference from C
 346 /// is that we allow nesting.
 347 bool TGLexer::SkipCComment() {
 348   ++CurPtr;  // skip the star.
 349   unsigned CommentDepth = 1;
 350
 351   while (true) {
 352     int CurChar = getNextChar();
 353     switch (CurChar) {
 354     case EOF:
 355       PrintError(TokStart, "Unterminated comment!");
 356       return true;
 357     case '*':
 358       // End of the comment?
 359       if (CurPtr[0] != '/') break;
 360
 361       ++CurPtr;   // End the */.
 362       if (--CommentDepth == 0)
 363         return false;
 364       break;
 365     case '/':
 366       // Start of a nested comment?
 367       if (CurPtr[0] != '*') break;
 368       ++CurPtr;
 369       ++CommentDepth;
 370       break;
 371     }
 372   }
 373 }
 374
 375 /// LexNumber - Lex:
 376 ///    [-+]?[0-9]+
 377 ///    0x[0-9a-fA-F]+
 378 ///    0b[01]+
 379 tgtok::TokKind TGLexer::LexNumber() {
 380   if (CurPtr[-1] == '0') {
 381     if (CurPtr[0] == 'x') {
 382       ++CurPtr;
 383       const char *NumStart = CurPtr;
 384       while (isxdigit(CurPtr[0]))
 385         ++CurPtr;
 386
 387       // Requires at least one hex digit.
 388       if (CurPtr == NumStart)
 389         return ReturnError(TokStart, "Invalid hexadecimal number");
 390
 391       errno = 0;
 392       CurIntVal = strtoll(NumStart, nullptr, 16);
 393       if (errno == EINVAL)
 394         return ReturnError(TokStart, "Invalid hexadecimal number");
 395       if (errno == ERANGE) {
 396         errno = 0;
 397         CurIntVal = (int64_t)strtoull(NumStart, nullptr, 16);
 398         if (errno == EINVAL)
 399           return ReturnError(TokStart, "Invalid hexadecimal number");
 400         if (errno == ERANGE)
 401           return ReturnError(TokStart, "Hexadecimal number out of range");
 402       }
 403       return tgtok::IntVal;
 404     } else if (CurPtr[0] == 'b') {
 405       ++CurPtr;
 406       const char *NumStart = CurPtr;
 407       while (CurPtr[0] == '0' || CurPtr[0] == '1')
 408         ++CurPtr;
 409
 410       // Requires at least one binary digit.
 411       if (CurPtr == NumStart)
 412         return ReturnError(CurPtr-2, "Invalid binary number");
 413       CurIntVal = strtoll(NumStart, nullptr, 2);
 414       return tgtok::BinaryIntVal;
 415     }
 416   }
 417
 418   // Check for a sign without a digit.
 419   if (!isdigit(CurPtr[0])) {
 420     if (CurPtr[-1] == '-')
 421       return tgtok::minus;
 422     else if (CurPtr[-1] == '+')
 423       return tgtok::plus;
 424   }
 425
 426   while (isdigit(CurPtr[0]))
 427     ++CurPtr;
 428   CurIntVal = strtoll(TokStart, nullptr, 10);
 429   return tgtok::IntVal;
 430 }
 431
 432 /// LexBracket - We just read '['.  If this is a code block, return it,
 433 /// otherwise return the bracket.  Match: '[' and '[{ ( [^}]+ | }[^]] )* }]'
 434 tgtok::TokKind TGLexer::LexBracket() {
 435   if (CurPtr[0] != '{')
 436     return tgtok::l_square;
 437   ++CurPtr;
 438   const char *CodeStart = CurPtr;
 439   while (true) {
 440     int Char = getNextChar();
 441     if (Char == EOF) break;
 442
 443     if (Char != '}') continue;
 444
 445     Char = getNextChar();
 446     if (Char == EOF) break;
 447     if (Char == ']') {
 448       CurStrVal.assign(CodeStart, CurPtr-2);
 449       return tgtok::CodeFragment;
 450     }
 451   }
 452
 453   return ReturnError(CodeStart-2, "Unterminated Code Block");
 454 }
 455
 456 /// LexExclaim - Lex '!' and '![a-zA-Z]+'.
 457 tgtok::TokKind TGLexer::LexExclaim() {
 458   if (!isalpha(*CurPtr))
 459     return ReturnError(CurPtr - 1, "Invalid \"!operator\"");
 460
 461   const char *Start = CurPtr++;
 462   while (isalpha(*CurPtr))
 463     ++CurPtr;
 464
 465   // Check to see which operator this is.
 466   tgtok::TokKind Kind =
 467     StringSwitch<tgtok::TokKind>(StringRef(Start, CurPtr - Start))
 468     .Case("eq", tgtok::XEq)
 469     .Case("if", tgtok::XIf)
 470     .Case("head", tgtok::XHead)
 471     .Case("tail", tgtok::XTail)
 472     .Case("con", tgtok::XConcat)
 473     .Case("add", tgtok::XADD)
 474     .Case("and", tgtok::XAND)
 475     .Case("or", tgtok::XOR)
 476     .Case("shl", tgtok::XSHL)
 477     .Case("sra", tgtok::XSRA)
 478     .Case("srl", tgtok::XSRL)
 479     .Case("cast", tgtok::XCast)
 480     .Case("empty", tgtok::XEmpty)
 481     .Case("subst", tgtok::XSubst)
 482     .Case("foreach", tgtok::XForEach)
 483     .Case("listconcat", tgtok::XListConcat)
 484     .Case("strconcat", tgtok::XStrConcat)
 485     .Default(tgtok::Error);
 486
 487   return Kind != tgtok::Error ? Kind : ReturnError(Start-1, "Unknown operator");
 488 }