mirror of
https://github.com/odin-lang/Odin.git
synced 2026-04-19 13:00:28 +00:00
Clean up a bit of the tokenizer code so that the semicolon insertion rules are in one place
This commit is contained in:
@@ -152,7 +152,6 @@ gb_global bool keyword_indices[16] = {};
|
||||
|
||||
gb_inline u32 keyword_hash(u8 const *text, isize len) {
|
||||
return fnv32a(text, len);
|
||||
// return murmur3_32(text, len, 0x6f64696e);
|
||||
}
|
||||
void add_keyword_hash_entry(String const &s, TokenKind kind) {
|
||||
max_keyword_size = gb_max(max_keyword_size, s.len);
|
||||
@@ -164,7 +163,7 @@ void add_keyword_hash_entry(String const &s, TokenKind kind) {
|
||||
// NOTE(bill): This is a bit of an empirical hack in order to speed things up
|
||||
u32 index = hash & KEYWORD_HASH_TABLE_MASK;
|
||||
KeywordHashEntry *entry = &keyword_hash_table[index];
|
||||
GB_ASSERT_MSG(entry->kind == Token_Invalid, "Keyword hash table initialtion collision: %.*s %.*s %08x %08x", LIT(s), LIT(token_strings[entry->kind]), hash, entry->hash);
|
||||
GB_ASSERT_MSG(entry->kind == Token_Invalid, "Keyword hash table initialtion collision: %.*s %.*s 0x%08x 0x%08x", LIT(s), LIT(token_strings[entry->kind]), hash, entry->hash);
|
||||
entry->hash = hash;
|
||||
entry->kind = kind;
|
||||
entry->text = s;
|
||||
@@ -1095,23 +1094,36 @@ bool scan_escape(Tokenizer *t) {
|
||||
|
||||
|
||||
void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
|
||||
// Skip whitespace
|
||||
for (;;) {
|
||||
switch (t->curr_rune) {
|
||||
case '\n':
|
||||
if (t->insert_semicolon) {
|
||||
if (t->flags & TokenizerFlag_InsertSemicolon && t->insert_semicolon) {
|
||||
for (;;) {
|
||||
switch (t->curr_rune) {
|
||||
case '\n':
|
||||
break;
|
||||
case ' ':
|
||||
case '\t':
|
||||
case '\r':
|
||||
advance_to_next_rune(t);
|
||||
continue;
|
||||
}
|
||||
/*fallthrough*/
|
||||
case ' ':
|
||||
case '\t':
|
||||
case '\r':
|
||||
advance_to_next_rune(t);
|
||||
continue;
|
||||
break;
|
||||
}
|
||||
} else {
|
||||
for (;;) {
|
||||
switch (t->curr_rune) {
|
||||
case '\n': // only on t->insert_semicolon
|
||||
case ' ':
|
||||
case '\t':
|
||||
case '\r':
|
||||
advance_to_next_rune(t);
|
||||
continue;
|
||||
}
|
||||
break;
|
||||
}
|
||||
break;
|
||||
}
|
||||
|
||||
|
||||
token->kind = Token_Invalid;
|
||||
token->string.text = t->curr;
|
||||
token->string.len = 1;
|
||||
@@ -1122,8 +1134,6 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
|
||||
TokenPos current_pos = token->pos;
|
||||
|
||||
bool insert_semicolon = false;
|
||||
|
||||
Rune curr_rune = t->curr_rune;
|
||||
if (rune_is_letter(curr_rune)) {
|
||||
token->kind = Token_Ident;
|
||||
@@ -1148,28 +1158,15 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
}
|
||||
}
|
||||
|
||||
switch (token->kind) {
|
||||
case Token_Ident:
|
||||
case Token_context:
|
||||
case Token_typeid: // Dunno?
|
||||
case Token_break:
|
||||
case Token_continue:
|
||||
case Token_fallthrough:
|
||||
case Token_return:
|
||||
insert_semicolon = true;
|
||||
break;
|
||||
}
|
||||
|
||||
|
||||
if (t->flags & TokenizerFlag_InsertSemicolon) {
|
||||
t->insert_semicolon = insert_semicolon;
|
||||
}
|
||||
return;
|
||||
|
||||
} else if (gb_is_between(curr_rune, '0', '9')) {
|
||||
insert_semicolon = true;
|
||||
scan_number_to_token(t, token, false);
|
||||
goto semicolon_check;
|
||||
} else {
|
||||
switch (curr_rune) {
|
||||
case '0': case '1': case '2': case '3': case '4':
|
||||
case '5': case '6': case '7': case '8': case '9':
|
||||
scan_number_to_token(t, token, false);
|
||||
goto semicolon_check;
|
||||
}
|
||||
|
||||
advance_to_next_rune(t);
|
||||
switch (curr_rune) {
|
||||
case GB_RUNE_EOF:
|
||||
@@ -1201,8 +1198,6 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
|
||||
case '\'': // Rune Literal
|
||||
{
|
||||
insert_semicolon = true;
|
||||
|
||||
token->kind = Token_Rune;
|
||||
Rune quote = curr_rune;
|
||||
bool valid = true;
|
||||
@@ -1239,18 +1234,12 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
tokenizer_err(t, "Invalid rune literal");
|
||||
}
|
||||
|
||||
if (t->flags & TokenizerFlag_InsertSemicolon) {
|
||||
t->insert_semicolon = insert_semicolon;
|
||||
}
|
||||
|
||||
return;
|
||||
goto semicolon_check;
|
||||
} break;
|
||||
|
||||
case '`': // Raw String Literal
|
||||
case '"': // String Literal
|
||||
{
|
||||
insert_semicolon = true;
|
||||
|
||||
bool has_carriage_return = false;
|
||||
i32 success;
|
||||
Rune quote = curr_rune;
|
||||
@@ -1296,15 +1285,13 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
tokenizer_err(t, "Invalid string literal");
|
||||
}
|
||||
|
||||
if (t->flags & TokenizerFlag_InsertSemicolon) {
|
||||
t->insert_semicolon = insert_semicolon;
|
||||
}
|
||||
|
||||
return;
|
||||
goto semicolon_check;
|
||||
} break;
|
||||
|
||||
case '.':
|
||||
if (t->curr_rune == '.') {
|
||||
token->kind = Token_Period;
|
||||
switch (t->curr_rune) {
|
||||
case '.':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_Ellipsis;
|
||||
if (t->curr_rune == '<') {
|
||||
@@ -1314,54 +1301,41 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_RangeFull;
|
||||
}
|
||||
} else if ('0' <= t->curr_rune && t->curr_rune <= '9') {
|
||||
break;
|
||||
case '0': case '1': case '2': case '3': case '4':
|
||||
case '5': case '6': case '7': case '8': case '9':
|
||||
scan_number_to_token(t, token, true);
|
||||
} else {
|
||||
token->kind = Token_Period;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case '@': token->kind = Token_At; break;
|
||||
case '$': token->kind = Token_Dollar; break;
|
||||
case '?':
|
||||
insert_semicolon = true;
|
||||
token->kind = Token_Question;
|
||||
break;
|
||||
case '^':
|
||||
insert_semicolon = true;
|
||||
token->kind = Token_Pointer;
|
||||
break;
|
||||
case ';': token->kind = Token_Semicolon; break;
|
||||
case ',': token->kind = Token_Comma; break;
|
||||
case ':': token->kind = Token_Colon; break;
|
||||
case '(': token->kind = Token_OpenParen; break;
|
||||
case ')':
|
||||
insert_semicolon = true;
|
||||
token->kind = Token_CloseParen;
|
||||
break;
|
||||
case '@': token->kind = Token_At; break;
|
||||
case '$': token->kind = Token_Dollar; break;
|
||||
case '?': token->kind = Token_Question; break;
|
||||
case '^': token->kind = Token_Pointer; break;
|
||||
case ';': token->kind = Token_Semicolon; break;
|
||||
case ',': token->kind = Token_Comma; break;
|
||||
case ':': token->kind = Token_Colon; break;
|
||||
case '(': token->kind = Token_OpenParen; break;
|
||||
case ')': token->kind = Token_CloseParen; break;
|
||||
case '[': token->kind = Token_OpenBracket; break;
|
||||
case ']':
|
||||
insert_semicolon = true;
|
||||
token->kind = Token_CloseBracket;
|
||||
break;
|
||||
case '{': token->kind = Token_OpenBrace; break;
|
||||
case '}':
|
||||
insert_semicolon = true;
|
||||
token->kind = Token_CloseBrace;
|
||||
break;
|
||||
|
||||
case ']': token->kind = Token_CloseBracket; break;
|
||||
case '{': token->kind = Token_OpenBrace; break;
|
||||
case '}': token->kind = Token_CloseBrace; break;
|
||||
case '%':
|
||||
token->kind = Token_Mod;
|
||||
if (t->curr_rune == '=') {
|
||||
switch (t->curr_rune) {
|
||||
case '=':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_ModEq;
|
||||
} else if (t->curr_rune == '%') {
|
||||
break;
|
||||
case '%':
|
||||
token->kind = Token_ModMod;
|
||||
advance_to_next_rune(t);
|
||||
if (t->curr_rune == '=') {
|
||||
token->kind = Token_ModModEq;
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
@@ -1395,63 +1369,61 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
break;
|
||||
case '+':
|
||||
token->kind = Token_Add;
|
||||
if (t->curr_rune == '=') {
|
||||
switch (t->curr_rune) {
|
||||
case '=':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_AddEq;
|
||||
} else if (t->curr_rune == '+') {
|
||||
break;
|
||||
case '+':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_Increment;
|
||||
insert_semicolon = true;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
case '-':
|
||||
token->kind = Token_Sub;
|
||||
if (t->curr_rune == '=') {
|
||||
switch (t->curr_rune) {
|
||||
case '=':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_SubEq;
|
||||
} else if (t->curr_rune == '-') {
|
||||
insert_semicolon = true;
|
||||
break;
|
||||
case '-':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_Decrement;
|
||||
if (t->curr_rune == '-') {
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_Undef;
|
||||
}
|
||||
} else if (t->curr_rune == '>') {
|
||||
break;
|
||||
case '>':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_ArrowRight;
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case '#':
|
||||
token->kind = Token_Hash;
|
||||
if (t->curr_rune == '!') {
|
||||
insert_semicolon = t->insert_semicolon;
|
||||
token->kind = Token_Comment;
|
||||
|
||||
while (t->curr_rune != '\n' && t->curr_rune != GB_RUNE_EOF) {
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
} else {
|
||||
token->kind = Token_Hash;
|
||||
}
|
||||
break;
|
||||
|
||||
|
||||
case '/': {
|
||||
case '/':
|
||||
token->kind = Token_Quo;
|
||||
if (t->curr_rune == '/') {
|
||||
insert_semicolon = t->insert_semicolon;
|
||||
switch (t->curr_rune) {
|
||||
case '/':
|
||||
token->kind = Token_Comment;
|
||||
|
||||
while (t->curr_rune != '\n' && t->curr_rune != GB_RUNE_EOF) {
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
} else if (t->curr_rune == '*') {
|
||||
break;
|
||||
case '*':
|
||||
token->kind = Token_Comment;
|
||||
|
||||
isize comment_scope = 1;
|
||||
advance_to_next_rune(t);
|
||||
while (comment_scope > 0) {
|
||||
for (isize comment_scope = 1; comment_scope > 0; /**/) {
|
||||
if (t->curr_rune == GB_RUNE_EOF) {
|
||||
break;
|
||||
} else if (t->curr_rune == '/') {
|
||||
@@ -1470,97 +1442,140 @@ void tokenizer_get_token(Tokenizer *t, Token *token, int repeat=0) {
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
}
|
||||
} else if (t->curr_rune == '=') {
|
||||
break;
|
||||
case '=':
|
||||
advance_to_next_rune(t);
|
||||
token->kind = Token_QuoEq;
|
||||
break;
|
||||
}
|
||||
} break;
|
||||
|
||||
break;
|
||||
case '<':
|
||||
token->kind = Token_Lt;
|
||||
if (t->curr_rune == '=') {
|
||||
switch (t->curr_rune) {
|
||||
case '=':
|
||||
token->kind = Token_LtEq;
|
||||
advance_to_next_rune(t);
|
||||
} else if (t->curr_rune == '<') {
|
||||
break;
|
||||
case '<':
|
||||
token->kind = Token_Shl;
|
||||
advance_to_next_rune(t);
|
||||
if (t->curr_rune == '=') {
|
||||
token->kind = Token_ShlEq;
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case '>':
|
||||
token->kind = Token_Gt;
|
||||
if (t->curr_rune == '=') {
|
||||
switch (t->curr_rune) {
|
||||
case '=':
|
||||
token->kind = Token_GtEq;
|
||||
advance_to_next_rune(t);
|
||||
} else if (t->curr_rune == '>') {
|
||||
break;
|
||||
case '>':
|
||||
token->kind = Token_Shr;
|
||||
advance_to_next_rune(t);
|
||||
if (t->curr_rune == '=') {
|
||||
token->kind = Token_ShrEq;
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case '&':
|
||||
token->kind = Token_And;
|
||||
if (t->curr_rune == '~') {
|
||||
switch (t->curr_rune) {
|
||||
case '~':
|
||||
token->kind = Token_AndNot;
|
||||
advance_to_next_rune(t);
|
||||
if (t->curr_rune == '=') {
|
||||
token->kind = Token_AndNotEq;
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
} else if (t->curr_rune == '=') {
|
||||
break;
|
||||
case '=':
|
||||
token->kind = Token_AndEq;
|
||||
advance_to_next_rune(t);
|
||||
} else if (t->curr_rune == '&') {
|
||||
break;
|
||||
case '&':
|
||||
token->kind = Token_CmpAnd;
|
||||
advance_to_next_rune(t);
|
||||
if (t->curr_rune == '=') {
|
||||
token->kind = Token_CmpAndEq;
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
case '|':
|
||||
token->kind = Token_Or;
|
||||
if (t->curr_rune == '=') {
|
||||
switch (t->curr_rune) {
|
||||
case '=':
|
||||
token->kind = Token_OrEq;
|
||||
advance_to_next_rune(t);
|
||||
} else if (t->curr_rune == '|') {
|
||||
break;
|
||||
case '|':
|
||||
token->kind = Token_CmpOr;
|
||||
advance_to_next_rune(t);
|
||||
if (t->curr_rune == '=') {
|
||||
token->kind = Token_CmpOrEq;
|
||||
advance_to_next_rune(t);
|
||||
}
|
||||
break;
|
||||
}
|
||||
break;
|
||||
|
||||
default:
|
||||
token->kind = Token_Invalid;
|
||||
if (curr_rune != GB_RUNE_BOM) {
|
||||
u8 str[4] = {};
|
||||
int len = cast(int)gb_utf8_encode_rune(str, curr_rune);
|
||||
tokenizer_err(t, "Illegal character: %.*s (%d) ", len, str, curr_rune);
|
||||
}
|
||||
insert_semicolon = t->insert_semicolon; // Preserve insert_semicolon info
|
||||
token->kind = Token_Invalid;
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
if (t->flags & TokenizerFlag_InsertSemicolon) {
|
||||
t->insert_semicolon = insert_semicolon;
|
||||
}
|
||||
|
||||
token->string.len = t->curr - token->string.text;
|
||||
|
||||
semicolon_check:;
|
||||
if (t->flags & TokenizerFlag_InsertSemicolon) {
|
||||
switch (token->kind) {
|
||||
case Token_Invalid:
|
||||
case Token_Comment:
|
||||
// Preserve insert_semicolon info
|
||||
break;
|
||||
case Token_Ident:
|
||||
case Token_context:
|
||||
case Token_typeid:
|
||||
case Token_break:
|
||||
case Token_continue:
|
||||
case Token_fallthrough:
|
||||
case Token_return:
|
||||
/*fallthrough*/
|
||||
case Token_Integer:
|
||||
case Token_Float:
|
||||
case Token_Imag:
|
||||
case Token_Rune:
|
||||
case Token_String:
|
||||
case Token_Undef:
|
||||
/*fallthrough*/
|
||||
case Token_Question:
|
||||
case Token_Pointer:
|
||||
case Token_CloseParen:
|
||||
case Token_CloseBracket:
|
||||
case Token_CloseBrace:
|
||||
/*fallthrough*/
|
||||
case Token_Increment:
|
||||
case Token_Decrement:
|
||||
/*fallthrough*/
|
||||
t->insert_semicolon = true;
|
||||
break;
|
||||
default:
|
||||
t->insert_semicolon = false;
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
return;
|
||||
}
|
||||
|
||||
Reference in New Issue
Block a user