Simplifying lexer
This commit is contained in:
parent
171e581366
commit
ca7f4c9acb
8
lex.go
8
lex.go
|
@ -12,12 +12,12 @@ func main() {
|
||||||
f, _ := os.Open("test.json")
|
f, _ := os.Open("test.json")
|
||||||
b, _ := ioutil.ReadAll(f)
|
b, _ := ioutil.ReadAll(f)
|
||||||
|
|
||||||
lex := lexer.New("foo", string(b))
|
lex := lexer.New(string(b))
|
||||||
go lex.Run()
|
go lex.Run()
|
||||||
for {
|
for {
|
||||||
i := lex.NextItem()
|
if item, ok := lex.NextItem(); ok {
|
||||||
fmt.Println(i)
|
fmt.Println(item)
|
||||||
if i.String() == "EOF" {
|
} else {
|
||||||
break
|
break
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
234
lexer/lexer.go
234
lexer/lexer.go
|
@ -15,48 +15,42 @@ type (
|
||||||
pos int // current position in the input
|
pos int // current position in the input
|
||||||
start int // start position of this item
|
start int // start position of this item
|
||||||
width int // width of last rune read from input
|
width int // width of last rune read from input
|
||||||
lastPos int // position of most recent item returned by nextItem
|
|
||||||
items chan Item // channel of scanned items
|
items chan Item // channel of scanned items
|
||||||
parenDepth int // nesting depth of ( ) exprs
|
|
||||||
}
|
}
|
||||||
|
|
||||||
|
// Item represents a token or text string returned from the scanner.
|
||||||
|
Item struct {
|
||||||
|
Token Token // The type of this item.
|
||||||
|
Pos int // The starting position, in bytes, of this item in the input string.
|
||||||
|
Val string // The value of this item.
|
||||||
|
}
|
||||||
|
|
||||||
|
// Token identifies the type of lex items.
|
||||||
|
Token int
|
||||||
|
|
||||||
// stateFn represents the state of the scanner as a function that returns the next state.
|
// stateFn represents the state of the scanner as a function that returns the next state.
|
||||||
stateFn func(*Lexer) stateFn
|
stateFn func(*Lexer) stateFn
|
||||||
|
|
||||||
// item represents a token or text string returned from the scanner.
|
|
||||||
Item struct {
|
|
||||||
typ itemType // The type of this item.
|
|
||||||
pos int // The starting position, in bytes, of this item in the input string.
|
|
||||||
val string // The value of this item.
|
|
||||||
}
|
|
||||||
|
|
||||||
// itemType identifies the type of lex items.
|
|
||||||
itemType int
|
|
||||||
)
|
)
|
||||||
|
|
||||||
const (
|
const (
|
||||||
// Special
|
// Special
|
||||||
itemError itemType = iota // error occurred; value is text of error
|
Error Token = iota // error occurred; value is text of error
|
||||||
itemEOF
|
EOF
|
||||||
|
|
||||||
// Symbols
|
// Symbols
|
||||||
itemBraceOpen // {
|
BraceOpen // {
|
||||||
itemBraceClose // }
|
BraceClose // }
|
||||||
itemBracketOpen // [
|
BracketOpen // [
|
||||||
itemBracketClose // [
|
BracketClose // [
|
||||||
itemQuote // "
|
Quote // "
|
||||||
itemColon // :
|
Colon // :
|
||||||
itemComma // ,
|
Comma // ,
|
||||||
|
|
||||||
// Types
|
// Types
|
||||||
itemNull // null
|
Null // null
|
||||||
itemBool // true, false
|
Bool // true, false
|
||||||
itemNumber // 0, 2.5
|
Number // 0, 2.5
|
||||||
itemString // "foo"
|
String // "foo"
|
||||||
)
|
|
||||||
|
|
||||||
const (
|
|
||||||
EOF = -1
|
|
||||||
)
|
)
|
||||||
|
|
||||||
// lex creates a new scanner for the input string.
|
// lex creates a new scanner for the input string.
|
||||||
|
@ -75,10 +69,9 @@ func (l *Lexer) Run() {
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
func (l *Lexer) NextItem() Item {
|
func (l *Lexer) NextItem() (item Item, ok bool) {
|
||||||
item := <-l.items
|
item, ok = <-l.items
|
||||||
l.lastPos = item.pos
|
return
|
||||||
return item
|
|
||||||
}
|
}
|
||||||
|
|
||||||
//
|
//
|
||||||
|
@ -86,33 +79,33 @@ func (l *Lexer) NextItem() Item {
|
||||||
//
|
//
|
||||||
|
|
||||||
func (i Item) String() string {
|
func (i Item) String() string {
|
||||||
switch i.typ {
|
switch i.Token {
|
||||||
case itemEOF:
|
case EOF:
|
||||||
return "EOF"
|
return "EOF"
|
||||||
case itemError:
|
case Error:
|
||||||
return "Error: " + i.val
|
return "Error: " + i.Val
|
||||||
case itemBraceOpen:
|
case BraceOpen:
|
||||||
return "{"
|
return "{"
|
||||||
case itemBraceClose:
|
case BraceClose:
|
||||||
return "}"
|
return "}"
|
||||||
case itemBracketOpen:
|
case BracketOpen:
|
||||||
return "["
|
return "["
|
||||||
case itemBracketClose:
|
case BracketClose:
|
||||||
return "]"
|
return "]"
|
||||||
case itemQuote:
|
case Quote:
|
||||||
return "\""
|
return "\""
|
||||||
case itemColon:
|
case Colon:
|
||||||
return ":"
|
return ":"
|
||||||
case itemComma:
|
case Comma:
|
||||||
return ","
|
return ","
|
||||||
case itemNull:
|
case Null:
|
||||||
return "NULL"
|
return "NULL"
|
||||||
case itemBool:
|
case Bool:
|
||||||
return "Bool: " + i.val
|
return "Bool: " + i.Val
|
||||||
case itemNumber:
|
case Number:
|
||||||
return "Number: " + i.val
|
return "Number: " + i.Val
|
||||||
case itemString:
|
case String:
|
||||||
return "String: " + i.val
|
return "String: " + i.Val
|
||||||
default:
|
default:
|
||||||
panic("Unreachable")
|
panic("Unreachable")
|
||||||
}
|
}
|
||||||
|
@ -122,7 +115,7 @@ func (i Item) String() string {
|
||||||
func (l *Lexer) next() rune {
|
func (l *Lexer) next() rune {
|
||||||
if int(l.pos) >= len(l.input) {
|
if int(l.pos) >= len(l.input) {
|
||||||
l.width = 0
|
l.width = 0
|
||||||
return EOF
|
return 0
|
||||||
}
|
}
|
||||||
r, w := utf8.DecodeRuneInString(l.input[l.pos:])
|
r, w := utf8.DecodeRuneInString(l.input[l.pos:])
|
||||||
l.width = w
|
l.width = w
|
||||||
|
@ -143,9 +136,12 @@ func (l *Lexer) backup() {
|
||||||
}
|
}
|
||||||
|
|
||||||
// emit passes an item back to the client.
|
// emit passes an item back to the client.
|
||||||
func (l *Lexer) emit(t itemType) {
|
func (l *Lexer) emit(t Token) {
|
||||||
l.items <- Item{t, l.start, l.input[l.start:l.pos]}
|
l.items <- Item{t, l.start, l.input[l.start:l.pos]}
|
||||||
l.start = l.pos
|
l.start = l.pos
|
||||||
|
if t == EOF {
|
||||||
|
close(l.items)
|
||||||
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
// ignore skips over the pending input before this point.
|
// ignore skips over the pending input before this point.
|
||||||
|
@ -161,9 +157,135 @@ func (l *Lexer) acceptString(s string) (ok bool) {
|
||||||
return false
|
return false
|
||||||
}
|
}
|
||||||
|
|
||||||
// errorf returns an error token and terminates the scan by passing
|
|
||||||
// back a nil pointer that will be the next state, terminating l.nextItem.
|
|
||||||
func (l *Lexer) errorf(format string, args ...interface{}) stateFn {
|
func (l *Lexer) errorf(format string, args ...interface{}) stateFn {
|
||||||
l.items <- Item{itemError, l.start, fmt.Sprintf(format, args...)}
|
l.items <- Item{Error, l.start, fmt.Sprintf(format, args...)}
|
||||||
|
return nil // Stop lexing
|
||||||
|
}
|
||||||
|
|
||||||
|
//
|
||||||
|
// States
|
||||||
|
//
|
||||||
|
|
||||||
|
func lexInitial(l *Lexer) stateFn {
|
||||||
|
loop:
|
||||||
|
for {
|
||||||
|
switch r := l.next(); r {
|
||||||
|
case ' ', '\t':
|
||||||
|
return lexSpace(l)
|
||||||
|
case '\n':
|
||||||
|
l.lineNum++
|
||||||
|
case 'n':
|
||||||
|
l.backup()
|
||||||
|
return lexNull(l)
|
||||||
|
case 't', 'f':
|
||||||
|
l.backup()
|
||||||
|
return lexBool(l)
|
||||||
|
case '1', '2', '3', '4', '5', '6', '7', '8', '9', '0':
|
||||||
|
l.backup()
|
||||||
|
return lexNumber(l)
|
||||||
|
case '"':
|
||||||
|
return lexString(l)
|
||||||
|
case '[':
|
||||||
|
l.emit(BracketOpen)
|
||||||
|
case ']':
|
||||||
|
l.emit(BracketClose)
|
||||||
|
case '{':
|
||||||
|
l.emit(BraceOpen)
|
||||||
|
case '}':
|
||||||
|
l.emit(BraceClose)
|
||||||
|
case ':':
|
||||||
|
l.emit(Colon)
|
||||||
|
case ',':
|
||||||
|
l.emit(Comma)
|
||||||
|
case 0:
|
||||||
|
break loop
|
||||||
|
default:
|
||||||
|
panic("Unexpected symbol: " + string(r))
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Correctly reached EOF.
|
||||||
|
l.emit(EOF)
|
||||||
|
|
||||||
return nil
|
return nil
|
||||||
}
|
}
|
||||||
|
|
||||||
|
// Skip all spaces
|
||||||
|
// One space has already been seen
|
||||||
|
func lexSpace(l *Lexer) stateFn {
|
||||||
|
for {
|
||||||
|
if r := l.peek(); r == ' ' || r == '\t' {
|
||||||
|
l.next()
|
||||||
|
} else {
|
||||||
|
break
|
||||||
|
}
|
||||||
|
}
|
||||||
|
l.ignore()
|
||||||
|
|
||||||
|
return lexInitial
|
||||||
|
}
|
||||||
|
|
||||||
|
func lexNull(l *Lexer) stateFn {
|
||||||
|
if l.acceptString("null") {
|
||||||
|
l.emit(Null)
|
||||||
|
} else {
|
||||||
|
return l.errorf("Unexpected token")
|
||||||
|
}
|
||||||
|
return lexInitial
|
||||||
|
}
|
||||||
|
|
||||||
|
func lexBool(l *Lexer) stateFn {
|
||||||
|
if l.acceptString("true") || l.acceptString("false") {
|
||||||
|
l.emit(Bool)
|
||||||
|
}
|
||||||
|
return lexInitial
|
||||||
|
}
|
||||||
|
|
||||||
|
func lexNumber(l *Lexer) stateFn {
|
||||||
|
hasDot := false
|
||||||
|
loop:
|
||||||
|
for {
|
||||||
|
switch r := l.peek(); r {
|
||||||
|
case '1', '2', '3', '4', '5', '6', '7', '8', '9', '0':
|
||||||
|
l.next()
|
||||||
|
case '.':
|
||||||
|
if hasDot {
|
||||||
|
return l.errorf("Invalid number")
|
||||||
|
} else {
|
||||||
|
hasDot = true
|
||||||
|
l.next()
|
||||||
|
}
|
||||||
|
default:
|
||||||
|
break loop
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
l.emit(Number)
|
||||||
|
return lexInitial
|
||||||
|
}
|
||||||
|
|
||||||
|
func lexString(l *Lexer) stateFn {
|
||||||
|
escaped := false
|
||||||
|
loop:
|
||||||
|
for {
|
||||||
|
switch r := l.next(); r {
|
||||||
|
case '\\':
|
||||||
|
escaped = true
|
||||||
|
case '"':
|
||||||
|
if escaped {
|
||||||
|
escaped = false
|
||||||
|
} else {
|
||||||
|
l.emit(String)
|
||||||
|
break loop
|
||||||
|
}
|
||||||
|
case '\n':
|
||||||
|
l.lineNum++
|
||||||
|
case 0:
|
||||||
|
return l.errorf("Unterminated string")
|
||||||
|
default:
|
||||||
|
escaped = false
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return lexInitial
|
||||||
|
}
|
||||||
|
|
128
lexer/state.go
128
lexer/state.go
|
@ -1,128 +0,0 @@
|
||||||
package lexer
|
|
||||||
|
|
||||||
import "strings"
|
|
||||||
|
|
||||||
func lexInitial(l *Lexer) stateFn {
|
|
||||||
loop:
|
|
||||||
for {
|
|
||||||
switch r := l.next(); r {
|
|
||||||
case ' ', '\t':
|
|
||||||
return lexSpace(l)
|
|
||||||
case '\n':
|
|
||||||
l.lineNum++
|
|
||||||
case 'n':
|
|
||||||
l.backup()
|
|
||||||
return lexNull(l)
|
|
||||||
case 't', 'f':
|
|
||||||
l.backup()
|
|
||||||
return lexBool(l)
|
|
||||||
case '1', '2', '3', '4', '5', '6', '7', '8', '9', '0':
|
|
||||||
l.backup()
|
|
||||||
return lexNumber(l)
|
|
||||||
case '"':
|
|
||||||
return lexString(l)
|
|
||||||
case '[':
|
|
||||||
l.emit(itemBracketOpen)
|
|
||||||
case ']':
|
|
||||||
l.emit(itemBracketClose)
|
|
||||||
case '{':
|
|
||||||
l.emit(itemBraceOpen)
|
|
||||||
case '}':
|
|
||||||
l.emit(itemBraceClose)
|
|
||||||
case ':':
|
|
||||||
l.emit(itemColon)
|
|
||||||
case ',':
|
|
||||||
l.emit(itemComma)
|
|
||||||
case EOF:
|
|
||||||
break loop
|
|
||||||
default:
|
|
||||||
panic("Unexpected symbol: " + string(r))
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
// Correctly reached EOF.
|
|
||||||
l.emit(itemEOF)
|
|
||||||
|
|
||||||
return nil
|
|
||||||
}
|
|
||||||
|
|
||||||
// Skip all spaces
|
|
||||||
// One space has already been seen
|
|
||||||
func lexSpace(l *Lexer) stateFn {
|
|
||||||
for isSpace(l.peek()) {
|
|
||||||
l.next()
|
|
||||||
}
|
|
||||||
l.ignore()
|
|
||||||
return lexInitial
|
|
||||||
}
|
|
||||||
|
|
||||||
func lexNull(l *Lexer) stateFn {
|
|
||||||
if l.acceptString("null") {
|
|
||||||
l.emit(itemNull)
|
|
||||||
} else {
|
|
||||||
return l.errorf("Unexpected token")
|
|
||||||
}
|
|
||||||
return lexInitial
|
|
||||||
}
|
|
||||||
|
|
||||||
func lexBool(l *Lexer) stateFn {
|
|
||||||
if l.acceptString("true") || l.acceptString("false") {
|
|
||||||
l.emit(itemBool)
|
|
||||||
}
|
|
||||||
return lexInitial
|
|
||||||
}
|
|
||||||
|
|
||||||
func lexNumber(l *Lexer) stateFn {
|
|
||||||
hasDot := false
|
|
||||||
for {
|
|
||||||
if r := l.peek(); isDigit(r) {
|
|
||||||
l.next()
|
|
||||||
} else if r == '.' {
|
|
||||||
if hasDot {
|
|
||||||
return l.errorf("Invalid number")
|
|
||||||
} else {
|
|
||||||
hasDot = true
|
|
||||||
l.next()
|
|
||||||
}
|
|
||||||
} else {
|
|
||||||
break
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
l.emit(itemNumber)
|
|
||||||
return lexInitial
|
|
||||||
}
|
|
||||||
|
|
||||||
func lexString(l *Lexer) stateFn {
|
|
||||||
escaped := false
|
|
||||||
loop:
|
|
||||||
for {
|
|
||||||
switch r := l.next(); r {
|
|
||||||
case '\\':
|
|
||||||
escaped = true
|
|
||||||
case '"':
|
|
||||||
if escaped {
|
|
||||||
escaped = false
|
|
||||||
} else {
|
|
||||||
l.emit(itemString)
|
|
||||||
break loop
|
|
||||||
}
|
|
||||||
case '\n':
|
|
||||||
l.lineNum++
|
|
||||||
case EOF:
|
|
||||||
return l.errorf("String hits EOF")
|
|
||||||
default:
|
|
||||||
escaped = false
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
return lexInitial
|
|
||||||
}
|
|
||||||
|
|
||||||
func isSpace(r rune) bool {
|
|
||||||
return r == ' ' || r == '\t'
|
|
||||||
}
|
|
||||||
|
|
||||||
func isDigit(r rune) bool {
|
|
||||||
return strings.IndexRune("1234567890", r) > -1
|
|
||||||
}
|
|
Loading…
Reference in New Issue