restore old lexer
This commit is contained in:
parent
a542071af9
commit
07ff7ede1e
55
src/lexer/identifier_lexer.test.ts
Normal file
55
src/lexer/identifier_lexer.test.ts
Normal file
@ -0,0 +1,55 @@
|
|||||||
|
import { expect, test, describe } from "vitest";
|
||||||
|
import { scan_identifier } from "./identifier_lexer";
|
||||||
|
|
||||||
|
|
||||||
|
describe("Identifier Lexer", () => {
|
||||||
|
test("should return an identifier token", () => {
|
||||||
|
const code = "a";
|
||||||
|
const token = scan_identifier(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "a", token_type: "identifier" }, 1]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan an underscore", () => {
|
||||||
|
const code = "_";
|
||||||
|
const token = scan_identifier(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "_", token_type: "identifier" }, 1]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan an identifier with an underscore", () => {
|
||||||
|
const code = "a_";
|
||||||
|
const token = scan_identifier(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "a_", token_type: "identifier" }, 2]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan an identifier that starts with an underscore", () => {
|
||||||
|
const code = "_a";
|
||||||
|
const token = scan_identifier(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "_a", token_type: "identifier" }, 2]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan an identifier with numbers and uppercase letters", () => {
|
||||||
|
const code = "aA1";
|
||||||
|
const token = scan_identifier(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "aA1", token_type: "identifier" }, 3]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan a keyword", () => {
|
||||||
|
const code = "val";
|
||||||
|
const token = scan_identifier(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "val", token_type: "keyword" }, 3]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan a datatype", () => {
|
||||||
|
const code = "Int";
|
||||||
|
const token = scan_identifier(code, 0, true);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "Int", token_type: "class-name" }, 3]);
|
||||||
|
});
|
||||||
|
});
|
||||||
|
|
44
src/lexer/identifier_lexer.ts
Normal file
44
src/lexer/identifier_lexer.ts
Normal file
@ -0,0 +1,44 @@
|
|||||||
|
import type { Token } from "./lexer";
|
||||||
|
import { is_identifier_char } from "./utils";
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Scans an identifier, at the given position in the input string.
|
||||||
|
* This function assumes that the character at the given position is a letter.
|
||||||
|
*
|
||||||
|
* @param input the input string
|
||||||
|
* @param starting_position the position to start scanning from
|
||||||
|
* @param is_datatype whether the identifier is a datatype
|
||||||
|
*/
|
||||||
|
export function scan_identifier(input: string, starting_position: number, is_datatype = false): [Token, number] {
|
||||||
|
let value = input[starting_position]!;
|
||||||
|
let pos = starting_position + 1;
|
||||||
|
|
||||||
|
while (pos < input.length) {
|
||||||
|
const c = input[pos]!;
|
||||||
|
|
||||||
|
if (is_identifier_char(c)) {
|
||||||
|
pos += 1;
|
||||||
|
value += c;
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if (is_datatype) {
|
||||||
|
return [{ v: value, token_type: "class-name" }, pos];
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
return [{ v: value, token_type: check_keyword(value) }, pos];
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
function check_keyword(value: string): string {
|
||||||
|
const keywords = ["throws", "extends", "constructor", "case", "static", "const", "enum", "union", "loop", "use", "break", "catch", "continue", "as", "do", "else", "finally", "for", "fun", "if", "in", "fn", "nil", "return", "throw", "try", "while", "type", "match", "with", "of", "abstract", "class", "interface", "private", "pub", "override", "open", "init", "val", "var", "mut", "clone"];
|
||||||
|
|
||||||
|
if (keywords.includes(value)) {
|
||||||
|
return "keyword";
|
||||||
|
}
|
||||||
|
return "identifier";
|
||||||
|
}
|
||||||
|
|
45
src/lexer/lexer.test.ts
Normal file
45
src/lexer/lexer.test.ts
Normal file
@ -0,0 +1,45 @@
|
|||||||
|
import { expect, test, describe } from "vitest";
|
||||||
|
import { lex } from "./lexer";
|
||||||
|
|
||||||
|
describe("Lexer", () => {
|
||||||
|
test("empty program should return no tokens", () => {
|
||||||
|
const code = "";
|
||||||
|
const tokens = lex(code);
|
||||||
|
expect(tokens).toEqual([]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("program with whitespace should return a single token", () => {
|
||||||
|
const code = " ";
|
||||||
|
const tokens = lex(code);
|
||||||
|
expect(tokens).toEqual([{v: " ", token_type: ""}]);
|
||||||
|
})
|
||||||
|
|
||||||
|
test("program with newlines should return a single token", () => {
|
||||||
|
const code = "\n";
|
||||||
|
const tokens = lex(code);
|
||||||
|
expect(tokens).toEqual([{v: "\n", token_type: ""}]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("program with random unicode should return the same unicode", () => {
|
||||||
|
const code = "🍕";
|
||||||
|
const tokens = lex(code);
|
||||||
|
expect(tokens).toEqual([{v: "🍕", token_type: ""}]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan integers", () => {
|
||||||
|
const code = "12345";
|
||||||
|
const tokens = lex(code);
|
||||||
|
expect(tokens).toEqual([{v: "12345", token_type: "number"}]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan integers and whitespace around", () => {
|
||||||
|
const code = " 12345 \n ";
|
||||||
|
const tokens = lex(code);
|
||||||
|
expect(tokens).toEqual([
|
||||||
|
{v: " ", token_type: ""},
|
||||||
|
{v: "12345", token_type: "number"},
|
||||||
|
{v: " \n ", token_type: ""},
|
||||||
|
]);
|
||||||
|
});
|
||||||
|
});
|
||||||
|
|
166
src/lexer/lexer.ts
Normal file
166
src/lexer/lexer.ts
Normal file
@ -0,0 +1,166 @@
|
|||||||
|
import { scan_identifier } from "./identifier_lexer";
|
||||||
|
import { scan_number } from "./number_lexer";
|
||||||
|
import { scan_string } from "./string_lexer";
|
||||||
|
import { is_digit, is_lowercase, is_uppercase } from "./utils";
|
||||||
|
|
||||||
|
export type Token = {
|
||||||
|
v: string,
|
||||||
|
token_type: string,
|
||||||
|
};
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Lexes a string of THP code, and returns an array of tokens. Unlike a regular
|
||||||
|
* lexer, whitespace and other characters are not ignored, and are instead treated
|
||||||
|
* as a default token.
|
||||||
|
*
|
||||||
|
* This lexer implements a subset of the grammar defined in the THP language specification,
|
||||||
|
* only recognizing the following tokens:
|
||||||
|
* - Identifier
|
||||||
|
* - Datatype
|
||||||
|
* - String
|
||||||
|
* - Number
|
||||||
|
* - Single line comment
|
||||||
|
* - Multi line comment
|
||||||
|
* - Keywords
|
||||||
|
*
|
||||||
|
* @param code Code to lex
|
||||||
|
* @returns An array of all the tokens found
|
||||||
|
*/
|
||||||
|
export function lex(code: string, start = 0): Array<Token> {
|
||||||
|
const code_len = code.length;
|
||||||
|
const tokens: Array<Token> = [];
|
||||||
|
|
||||||
|
let current_pos = start;
|
||||||
|
let current_default_token = "";
|
||||||
|
|
||||||
|
while (current_pos < code_len) {
|
||||||
|
const c = code[current_pos]!;
|
||||||
|
|
||||||
|
// try to scan a number
|
||||||
|
if (is_digit(c)) {
|
||||||
|
// if the current default token is not empty, push it to the tokens array
|
||||||
|
if (current_default_token !== "") {
|
||||||
|
tokens.push({ v: current_default_token, token_type: "" });
|
||||||
|
current_default_token = "";
|
||||||
|
}
|
||||||
|
|
||||||
|
// lex a number
|
||||||
|
const [token, next] = scan_number(code, current_pos);
|
||||||
|
current_pos = next;
|
||||||
|
tokens.push(token);
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
// try to scan an identifier/keyword
|
||||||
|
else if (is_lowercase(c) || c === "_") {
|
||||||
|
// if the current default token is not empty, push it to the tokens array
|
||||||
|
if (current_default_token !== "") {
|
||||||
|
tokens.push({ v: current_default_token, token_type: "" });
|
||||||
|
current_default_token = "";
|
||||||
|
}
|
||||||
|
|
||||||
|
const [token, next] = scan_identifier(code, current_pos);
|
||||||
|
current_pos = next;
|
||||||
|
tokens.push(token);
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
// try to scan a datatype
|
||||||
|
else if (is_uppercase(c)) {
|
||||||
|
// if the current default token is not empty, push it to the tokens array
|
||||||
|
if (current_default_token !== "") {
|
||||||
|
tokens.push({ v: current_default_token, token_type: "" });
|
||||||
|
current_default_token = "";
|
||||||
|
}
|
||||||
|
|
||||||
|
const [token, next] = scan_identifier(code, current_pos, true);
|
||||||
|
current_pos = next;
|
||||||
|
tokens.push(token);
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
// try to scan a string
|
||||||
|
else if (c === "\"") {
|
||||||
|
// if the current default token is not empty, push it to the tokens array
|
||||||
|
if (current_default_token !== "") {
|
||||||
|
tokens.push({ v: current_default_token, token_type: "" });
|
||||||
|
current_default_token = "";
|
||||||
|
}
|
||||||
|
|
||||||
|
const [token, next] = scan_string(code, current_pos);
|
||||||
|
current_pos = next;
|
||||||
|
tokens.push(token);
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
// try to scan a comment
|
||||||
|
else if (c === "/" && code[current_pos + 1] === "/") {
|
||||||
|
// if the current default token is not empty, push it to the tokens array
|
||||||
|
if (current_default_token !== "") {
|
||||||
|
tokens.push({ v: current_default_token, token_type: "" });
|
||||||
|
current_default_token = "";
|
||||||
|
}
|
||||||
|
|
||||||
|
let comment = "";
|
||||||
|
let pos = current_pos;
|
||||||
|
|
||||||
|
while (pos < code_len) {
|
||||||
|
const char = code[pos];
|
||||||
|
|
||||||
|
if (char === "\n") {
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
comment += char;
|
||||||
|
pos++;
|
||||||
|
}
|
||||||
|
|
||||||
|
tokens.push({ v: comment, token_type: "comment" });
|
||||||
|
current_pos = pos;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
// try to scan a multiline comment
|
||||||
|
else if (c === "/" && code[current_pos + 1] === "*") {
|
||||||
|
// if the current default token is not empty, push it to the tokens array
|
||||||
|
if (current_default_token !== "") {
|
||||||
|
tokens.push({ v: current_default_token, token_type: "" });
|
||||||
|
current_default_token = "";
|
||||||
|
}
|
||||||
|
|
||||||
|
let comment = "";
|
||||||
|
let pos = current_pos;
|
||||||
|
|
||||||
|
while (pos < code_len) {
|
||||||
|
const char = code[pos];
|
||||||
|
|
||||||
|
if (char === "*" && code[pos + 1] === "/") {
|
||||||
|
pos += 2;
|
||||||
|
comment += "*/";
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
comment += char;
|
||||||
|
pos++;
|
||||||
|
}
|
||||||
|
|
||||||
|
tokens.push({ v: comment, token_type: "comment" });
|
||||||
|
current_pos = pos;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
// replace < with <
|
||||||
|
else if (c === "<") {
|
||||||
|
current_default_token += "<";
|
||||||
|
current_pos++;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
|
||||||
|
current_default_token += c;
|
||||||
|
current_pos++;
|
||||||
|
}
|
||||||
|
|
||||||
|
// if there was a default token, push it to the tokens array
|
||||||
|
if (current_default_token !== "") {
|
||||||
|
tokens.push({ v: current_default_token, token_type: "" });
|
||||||
|
current_default_token = "";
|
||||||
|
}
|
||||||
|
|
||||||
|
return tokens;
|
||||||
|
}
|
||||||
|
|
||||||
|
|
19
src/lexer/number_lexer.test.ts
Normal file
19
src/lexer/number_lexer.test.ts
Normal file
@ -0,0 +1,19 @@
|
|||||||
|
import { expect, test, describe } from "vitest";
|
||||||
|
import { scan_number } from "./number_lexer";
|
||||||
|
|
||||||
|
describe("Number Lexer", () => {
|
||||||
|
test("should return a whole number token", () => {
|
||||||
|
const code = "1";
|
||||||
|
const token = scan_number(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "1", token_type: "number" }, 1]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should return a whole number token pt 2", () => {
|
||||||
|
const code = "12345";
|
||||||
|
const token = scan_number(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "12345", token_type: "number" }, 5]);
|
||||||
|
});
|
||||||
|
});
|
||||||
|
|
47
src/lexer/number_lexer.ts
Normal file
47
src/lexer/number_lexer.ts
Normal file
@ -0,0 +1,47 @@
|
|||||||
|
import type { Token } from "./lexer";
|
||||||
|
import { is_digit } from "./utils";
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Scans a number, at the given position in the input string.
|
||||||
|
* This function assumes that the character at the given position is a digit.
|
||||||
|
* It follows this grammar:
|
||||||
|
*
|
||||||
|
* @param input the input string
|
||||||
|
* @param pos the position to start scanning from
|
||||||
|
* @returns
|
||||||
|
*/
|
||||||
|
export function scan_number(input: string, pos: number): [Token, number] {
|
||||||
|
const [token_value, next] = scan_decimal(input, pos);
|
||||||
|
|
||||||
|
return [{ v: token_value, token_type: "number" }, next];
|
||||||
|
}
|
||||||
|
|
||||||
|
function scan_decimal(input: string, starting_position: number): [string, number] {
|
||||||
|
let current_value = "";
|
||||||
|
let pos = starting_position;
|
||||||
|
|
||||||
|
while (pos < input.length) {
|
||||||
|
const c = input[pos]!;
|
||||||
|
|
||||||
|
if (c === ".") {
|
||||||
|
// todo
|
||||||
|
return [current_value, pos];
|
||||||
|
}
|
||||||
|
else if (c == "e" || c == "E") {
|
||||||
|
// todo
|
||||||
|
return [current_value, pos];
|
||||||
|
}
|
||||||
|
else if (is_digit(c)) {
|
||||||
|
current_value += c;
|
||||||
|
pos += 1;
|
||||||
|
}
|
||||||
|
else {
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
}
|
||||||
|
|
||||||
|
return [current_value, pos];
|
||||||
|
}
|
||||||
|
|
||||||
|
|
32
src/lexer/string_lexer.test.ts
Normal file
32
src/lexer/string_lexer.test.ts
Normal file
@ -0,0 +1,32 @@
|
|||||||
|
import { expect, test, describe } from "vitest";
|
||||||
|
import { scan_string } from "./string_lexer";
|
||||||
|
|
||||||
|
describe("String Lexer", () => {
|
||||||
|
test("should scan an empty string", () => {
|
||||||
|
const code = "\"\"";
|
||||||
|
const token = scan_string(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "\"\"", token_type: "string" }, 2]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan a string with a single character", () => {
|
||||||
|
const code = "\"a\"";
|
||||||
|
const token = scan_string(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "\"a\"", token_type: "string" }, 3]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan a string with multiple characters", () => {
|
||||||
|
const code = "\"hello\"";
|
||||||
|
const token = scan_string(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "\"hello\"", token_type: "string" }, 7]);
|
||||||
|
});
|
||||||
|
|
||||||
|
test("should scan a string with an escape character", () => {
|
||||||
|
const code = "\"\\n\"";
|
||||||
|
const token = scan_string(code, 0);
|
||||||
|
|
||||||
|
expect(token).toEqual([{ v: "\"\\n\"", token_type: "string" }, 4]);
|
||||||
|
});
|
||||||
|
});
|
49
src/lexer/string_lexer.ts
Normal file
49
src/lexer/string_lexer.ts
Normal file
@ -0,0 +1,49 @@
|
|||||||
|
import type { Token } from "./lexer";
|
||||||
|
|
||||||
|
export function scan_string(input: string, starting_position: number): [Token, number] {
|
||||||
|
let value = "\"";
|
||||||
|
let pos = starting_position + 1;
|
||||||
|
|
||||||
|
while (pos < input.length) {
|
||||||
|
const c = input[pos];
|
||||||
|
|
||||||
|
if (c === "\"") {
|
||||||
|
value += c;
|
||||||
|
pos += 1;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
if (c === "\n") {
|
||||||
|
// todo: error handling, return an error indicator and the caller should render a red wavy underline
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
if (c === "\\") {
|
||||||
|
const next_char = input[pos + 1];
|
||||||
|
value += handle_escape_char(next_char);
|
||||||
|
pos += 2;
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
|
||||||
|
value += c;
|
||||||
|
pos += 1;
|
||||||
|
}
|
||||||
|
|
||||||
|
return [{ v: value, token_type: "string" }, pos];
|
||||||
|
}
|
||||||
|
|
||||||
|
function handle_escape_char(next_char: string): string {
|
||||||
|
switch (next_char) {
|
||||||
|
case "n":
|
||||||
|
return "\\n"
|
||||||
|
case "t":
|
||||||
|
return "\\t"
|
||||||
|
case "r":
|
||||||
|
return "\\r"
|
||||||
|
case "\"":
|
||||||
|
return "\\\""
|
||||||
|
case "\\":
|
||||||
|
return "\\\\"
|
||||||
|
default:
|
||||||
|
return "\\" + next_char
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
Loading…
Reference in New Issue
Block a user