Compare commits
4 Commits
ef4073251a
...
62b949dd83
| Author | SHA1 | Date | |
|---|---|---|---|
| 62b949dd83 | |||
|
95e26e7aae | ||
|
|
7d2133ac25 | ||
| d2362be35b |
166
README.md
Normal file
166
README.md
Normal file
@ -0,0 +1,166 @@
|
|||||||
|
## Lexmachine
|
||||||
|
词法分析词，基于开源项目改造实现，主要是增加对于utf8文本的行数和列数的计算
|
||||||
|
|
||||||
|
### 快速开始
|
||||||
|
|
||||||
|
#### 安装
|
||||||
|
```
|
||||||
|
go get gitea.xintech.co/zhouzhihong/lexmachine
|
||||||
|
```
|
||||||
|
|
||||||
|
#### 使用列子
|
||||||
|
```
|
||||||
|
import (
|
||||||
|
"fmt"
|
||||||
|
"strings"
|
||||||
|
|
||||||
|
lex "gitea.xintech.co/zhouzhihong/lexmachine"
|
||||||
|
"gitea.xintech.co/zhouzhihong/lexmachine/machines"
|
||||||
|
)
|
||||||
|
|
||||||
|
var Literals []string // The tokens representing literal strings
|
||||||
|
var Keywords []string // The keyword tokens
|
||||||
|
var Tokens []string // All of the tokens (including literals and keywords)
|
||||||
|
var TokenIds map[string]int // A map from the token names to their int ids
|
||||||
|
var Lexer *lex.Lexer // The lexer object. Use this to construct a Scanner
|
||||||
|
|
||||||
|
// Called at package initialization. Creates the lexer and populates token lists.
|
||||||
|
func init() {
|
||||||
|
initTokens()
|
||||||
|
var err error
|
||||||
|
Lexer, err = initLexer()
|
||||||
|
if err != nil {
|
||||||
|
panic(err)
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
func initTokens() {
|
||||||
|
Literals = []string{
|
||||||
|
"[",
|
||||||
|
"]",
|
||||||
|
"{",
|
||||||
|
"}",
|
||||||
|
"=",
|
||||||
|
",",
|
||||||
|
";",
|
||||||
|
":",
|
||||||
|
"->",
|
||||||
|
"--",
|
||||||
|
}
|
||||||
|
Keywords = []string{
|
||||||
|
"NODE",
|
||||||
|
"EDGE",
|
||||||
|
"GRAPH",
|
||||||
|
"DIGRAPH",
|
||||||
|
"SUBGRAPH",
|
||||||
|
"STRICT",
|
||||||
|
}
|
||||||
|
Tokens = []string{
|
||||||
|
"COMMENT",
|
||||||
|
"ID",
|
||||||
|
}
|
||||||
|
Tokens = append(Tokens, Keywords...)
|
||||||
|
Tokens = append(Tokens, Literals...)
|
||||||
|
TokenIds = make(map[string]int)
|
||||||
|
for i, tok := range Tokens {
|
||||||
|
TokenIds[tok] = i
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Creates the lexer object and compiles the NFA.
|
||||||
|
func initLexer() (*lex.Lexer, error) {
|
||||||
|
lexer := lex.NewLexer()
|
||||||
|
|
||||||
|
for _, lit := range Literals {
|
||||||
|
r := "\\" + strings.Join(strings.Split(lit, ""), "\\")
|
||||||
|
lexer.Add([]byte(r), token(lit))
|
||||||
|
}
|
||||||
|
for _, name := range Keywords {
|
||||||
|
lexer.Add([]byte(strings.ToLower(name)), token(name))
|
||||||
|
}
|
||||||
|
|
||||||
|
lexer.Add([]byte(`//[^\n]*\n?`), token("COMMENT"))
|
||||||
|
lexer.Add([]byte(`/\*([^*]|\r|\n|(\*+([^*/]|\r|\n)))*\*+/`), token("COMMENT"))
|
||||||
|
lexer.Add([]byte(`([a-z]|[A-Z]|[0-9]|_)+`), token("ID"))
|
||||||
|
lexer.Add([]byte(`[0-9]*\.[0-9]+`), token("ID"))
|
||||||
|
lexer.Add([]byte(`"([^\\"]|(\\.))*"`),
|
||||||
|
func(scan *lex.Scanner, match *machines.Match) (interface{}, error) {
|
||||||
|
x, _ := token("ID")(scan, match)
|
||||||
|
t := x.(*lex.Token)
|
||||||
|
v := t.Value.(string)
|
||||||
|
t.Value = v[1 : len(v)-1]
|
||||||
|
return t, nil
|
||||||
|
})
|
||||||
|
lexer.Add([]byte("( |\t|\n|\r)+"), skip)
|
||||||
|
lexer.Add([]byte(`\<`),
|
||||||
|
func(scan *lex.Scanner, match *machines.Match) (interface{}, error) {
|
||||||
|
str := make([]byte, 0, 10)
|
||||||
|
str = append(str, match.Bytes...)
|
||||||
|
brackets := 1
|
||||||
|
match.EndLine = match.StartLine
|
||||||
|
match.EndColumn = match.StartColumn
|
||||||
|
for tc := scan.TC; tc < len(scan.Text); tc++ {
|
||||||
|
str = append(str, scan.Text[tc])
|
||||||
|
match.EndColumn += 1
|
||||||
|
if scan.Text[tc] == '\n' {
|
||||||
|
match.EndLine += 1
|
||||||
|
}
|
||||||
|
if scan.Text[tc] == '<' {
|
||||||
|
brackets += 1
|
||||||
|
} else if scan.Text[tc] == '>' {
|
||||||
|
brackets -= 1
|
||||||
|
}
|
||||||
|
if brackets == 0 {
|
||||||
|
match.TC = scan.TC
|
||||||
|
scan.TC = tc + 1
|
||||||
|
match.Bytes = str
|
||||||
|
x, _ := token("ID")(scan, match)
|
||||||
|
t := x.(*lex.Token)
|
||||||
|
v := t.Value.(string)
|
||||||
|
t.Value = v[1 : len(v)-1]
|
||||||
|
return t, nil
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return nil,
|
||||||
|
fmt.Errorf("unclosed HTML literal starting at %d, (%d, %d)",
|
||||||
|
match.TC, match.StartLine, match.StartColumn)
|
||||||
|
},
|
||||||
|
)
|
||||||
|
|
||||||
|
err := lexer.Compile()
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
return lexer, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// a lex.Action function which skips the match.
|
||||||
|
func skip(*lex.Scanner, *machines.Match) (interface{}, error) {
|
||||||
|
return nil, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// a lex.Action function with constructs a Token of the given token type by
|
||||||
|
// the token type's name.
|
||||||
|
func token(name string) lex.Action {
|
||||||
|
return func(s *lex.Scanner, m *machines.Match) (interface{}, error) {
|
||||||
|
return s.Token(TokenIds[name], string(m.Bytes), m), nil
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
s, _ := dot.Lexer.Scanner([]byte(`
|
||||||
|
digraph G { a -> b; } <asfd<asdf><a><>asdf>x "asdf\\\\\"" // asdf
|
||||||
|
strict // asdfa asfwe
|
||||||
|
/*你好*/ DIGRAPH // asdf`))
|
||||||
|
|
||||||
|
for tok, err, eof := s.Next(); !eof; tok, err, eof = s.Next() {
|
||||||
|
fmt.Println(tok, err)
|
||||||
|
fmt.Printf("(%v,%v)-(%v,%v)\n",
|
||||||
|
tok.(*lexmachine.Token).TSLine,
|
||||||
|
tok.(*lexmachine.Token).TSColumn,
|
||||||
|
tok.(*lexmachine.Token).TELine,
|
||||||
|
tok.(*lexmachine.Token).TEColumn,
|
||||||
|
)
|
||||||
|
}
|
||||||
|
```
|
||||||
|
|
||||||
|
// TODO 优化位置标记计算
|
||||||
115
doc.go
115
doc.go
@ -1,116 +1 @@
|
|||||||
// Package lexmachine is a full lexical analysis framework for the Go
|
|
||||||
// programming language. It supports a restricted but usable set of regular
|
|
||||||
// expressions appropriate for writing lexers for complex programming
|
|
||||||
// languages. The framework also supports sub-lexers and non-regular lexing
|
|
||||||
// through an "escape hatch" which allows the users to consume any number of
|
|
||||||
// further bytes after a match. So if you want to support nested C-style
|
|
||||||
// comments or other paired structures you can do so at the lexical analysis
|
|
||||||
// stage.
|
|
||||||
//
|
|
||||||
// For a tutorial see
|
|
||||||
// http://hackthology.com/writing-a-lexer-in-go-with-lexmachine.html
|
|
||||||
//
|
|
||||||
// Example of defining a lexer
|
|
||||||
//
|
|
||||||
// // CreateLexer defines a lexer for the graphviz dot language.
|
|
||||||
// func CreateLexer() (*lexmachine.Lexer, error) {
|
|
||||||
// lexer := lexmachine.NewLexer()
|
|
||||||
//
|
|
||||||
// for _, lit := range Literals {
|
|
||||||
// r := "\\" + strings.Join(strings.Split(lit, ""), "\\")
|
|
||||||
// lexer.Add([]byte(r), token(lit))
|
|
||||||
// }
|
|
||||||
// for _, name := range Keywords {
|
|
||||||
// lexer.Add([]byte(strings.ToLower(name)), token(name))
|
|
||||||
// }
|
|
||||||
//
|
|
||||||
// lexer.Add([]byte(`//[^\n]*\n?`), token("COMMENT"))
|
|
||||||
// lexer.Add([]byte(`/\*([^*]|\r|\n|(\*+([^*/]|\r|\n)))*\*+/`), token("COMMENT"))
|
|
||||||
// lexer.Add([]byte(`([a-z]|[A-Z])([a-z]|[A-Z]|[0-9]|_)*`), token("ID"))
|
|
||||||
// lexer.Add([]byte(`"([^\\"]|(\\.))*"`), token("ID"))
|
|
||||||
// lexer.Add([]byte("( |\t|\n|\r)+"), skip)
|
|
||||||
// lexer.Add([]byte(`\<`),
|
|
||||||
// func(scan *lexmachine.Scanner, match *machines.Match) (interface{}, error) {
|
|
||||||
// str := make([]byte, 0, 10)
|
|
||||||
// str = append(str, match.Bytes...)
|
|
||||||
// brackets := 1
|
|
||||||
// match.EndLine = match.StartLine
|
|
||||||
// match.EndColumn = match.StartColumn
|
|
||||||
// for tc := scan.TC; tc < len(scan.Text); tc++ {
|
|
||||||
// str = append(str, scan.Text[tc])
|
|
||||||
// match.EndColumn += 1
|
|
||||||
// if scan.Text[tc] == '\n' {
|
|
||||||
// match.EndLine += 1
|
|
||||||
// }
|
|
||||||
// if scan.Text[tc] == '<' {
|
|
||||||
// brackets += 1
|
|
||||||
// } else if scan.Text[tc] == '>' {
|
|
||||||
// brackets -= 1
|
|
||||||
// }
|
|
||||||
// if brackets == 0 {
|
|
||||||
// match.TC = scan.TC
|
|
||||||
// scan.TC = tc + 1
|
|
||||||
// match.Bytes = str
|
|
||||||
// return token("ID")(scan, match)
|
|
||||||
// }
|
|
||||||
// }
|
|
||||||
// return nil,
|
|
||||||
// fmt.Errorf("unclosed HTML literal starting at %d, (%d, %d)",
|
|
||||||
// match.TC, match.StartLine, match.StartColumn)
|
|
||||||
// },
|
|
||||||
// )
|
|
||||||
//
|
|
||||||
// err := lexer.Compile()
|
|
||||||
// if err != nil {
|
|
||||||
// return nil, err
|
|
||||||
// }
|
|
||||||
// return lexer, nil
|
|
||||||
// }
|
|
||||||
//
|
|
||||||
// func token(name string) lex.Action {
|
|
||||||
// return func(s *lex.Scanner, m *machines.Match) (interface{}, error) {
|
|
||||||
// return s.Token(TokenIds[name], string(m.Bytes), m), nil
|
|
||||||
// }
|
|
||||||
// }
|
|
||||||
//
|
|
||||||
// Example of using a lexer
|
|
||||||
//
|
|
||||||
// func ExampleLex() error {
|
|
||||||
// lexer, err := CreateLexer()
|
|
||||||
// if err != nil {
|
|
||||||
// return err
|
|
||||||
// }
|
|
||||||
// scanner, err := lexer.Scanner([]byte(`digraph {
|
|
||||||
// rankdir=LR;
|
|
||||||
// a [label="a" shape=box];
|
|
||||||
// c [<label>=<<u>C</u>>];
|
|
||||||
// b [label="bb"];
|
|
||||||
// a -> c;
|
|
||||||
// c -> b;
|
|
||||||
// d -> c;
|
|
||||||
// b -> a;
|
|
||||||
// b -> e;
|
|
||||||
// e -> f;
|
|
||||||
// }`))
|
|
||||||
// if err != nil {
|
|
||||||
// return err
|
|
||||||
// }
|
|
||||||
// fmt.Println("Type | Lexeme | Position")
|
|
||||||
// fmt.Println("--------+------------+------------")
|
|
||||||
// for tok, err, eos := scanner.Next(); !eos; tok, err, eos = scanner.Next() {
|
|
||||||
// if err != nil {
|
|
||||||
// return err
|
|
||||||
// }
|
|
||||||
// token := tok.(*lexmachine.Token)
|
|
||||||
// fmt.Printf("%-7v | %-10v | %v:%v-%v:%v\n",
|
|
||||||
// dot.Tokens[token.Type],
|
|
||||||
// string(token.Lexeme),
|
|
||||||
// token.StartLine,
|
|
||||||
// token.StartColumn,
|
|
||||||
// token.EndLine,
|
|
||||||
// token.EndColumn)
|
|
||||||
// }
|
|
||||||
// return nil
|
|
||||||
// }
|
|
||||||
//
|
|
||||||
package lexmachine
|
package lexmachine
|
||||||
|
|||||||
15
lexer.go
15
lexer.go
@ -53,7 +53,20 @@ func (t *Token) Equals(other *Token) bool {
|
|||||||
|
|
||||||
// String formats the token in a human readable form.
|
// String formats the token in a human readable form.
|
||||||
func (t *Token) String() string {
|
func (t *Token) String() string {
|
||||||
return fmt.Sprintf("%d %q %d (%d, %d)-(%d, %d)", t.Type, t.Value, t.TC, t.StartLine, t.StartColumn, t.EndLine, t.EndColumn)
|
return fmt.Sprintf(
|
||||||
|
"%d %q %d (%d, %d)-(%d, %d) (%d, %d)-(%d, %d)",
|
||||||
|
t.Type,
|
||||||
|
t.Value,
|
||||||
|
t.TC,
|
||||||
|
t.StartLine,
|
||||||
|
t.StartColumn,
|
||||||
|
t.EndLine,
|
||||||
|
t.EndColumn,
|
||||||
|
t.TSLine,
|
||||||
|
t.TSColumn,
|
||||||
|
t.TELine,
|
||||||
|
t.TEColumn,
|
||||||
|
)
|
||||||
}
|
}
|
||||||
|
|
||||||
// An Action is a function which get called when the Scanner finds a match
|
// An Action is a function which get called when the Scanner finds a match
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user