Separated lexer from main file in asm
This commit is contained in:
2
Makefile
2
Makefile
@@ -31,7 +31,7 @@ VM_OUT=$(DIST)/ovm.out
|
|||||||
## ASSEMBLY setup
|
## ASSEMBLY setup
|
||||||
ASM_DIST=$(DIST)/asm
|
ASM_DIST=$(DIST)/asm
|
||||||
ASM_SRC=asm
|
ASM_SRC=asm
|
||||||
ASM_CODE:=$(addprefix $(ASM_SRC)/, )
|
ASM_CODE:=$(addprefix $(ASM_SRC)/, lexer.c)
|
||||||
ASM_OBJECTS:=$(ASM_CODE:$(ASM_SRC)/%.c=$(ASM_DIST)/%.o)
|
ASM_OBJECTS:=$(ASM_CODE:$(ASM_SRC)/%.c=$(ASM_DIST)/%.o)
|
||||||
ASM_DEPS:=$(ASM_OBJECTS:%.o=%.d) $(ASM_DIST)/main.d
|
ASM_DEPS:=$(ASM_OBJECTS:%.o=%.d) $(ASM_DIST)/main.d
|
||||||
ASM_CFLAGS=$(CFLAGS)
|
ASM_CFLAGS=$(CFLAGS)
|
||||||
|
|||||||
159
asm/lexer.c
Normal file
159
asm/lexer.c
Normal file
@@ -0,0 +1,159 @@
|
|||||||
|
/* Copyright (C) 2023 Aryadev Chavali
|
||||||
|
|
||||||
|
* You may distribute and modify this code under the terms of the GPLv2
|
||||||
|
* license. You should have received a copy of the GPLv2 license with
|
||||||
|
* this file. If not, please write to: aryadev@aryadevchavali.com.
|
||||||
|
|
||||||
|
* Created: 2023-10-24
|
||||||
|
* Author: Aryadev Chavali
|
||||||
|
* Description: Lexer for assembly language
|
||||||
|
*/
|
||||||
|
|
||||||
|
#include <ctype.h>
|
||||||
|
#include <stdbool.h>
|
||||||
|
#include <stdio.h>
|
||||||
|
#include <string.h>
|
||||||
|
|
||||||
|
#include "./lexer.h"
|
||||||
|
|
||||||
|
const char *token_type_as_cstr(token_type_t type)
|
||||||
|
{
|
||||||
|
switch (type)
|
||||||
|
{
|
||||||
|
case TOKEN_LITERAL_BYTE:
|
||||||
|
return "LITERAL_BYTE";
|
||||||
|
case TOKEN_LITERAL_HWORD:
|
||||||
|
return "LITERAL_HWORD";
|
||||||
|
case TOKEN_LITERAL_WORD:
|
||||||
|
return "LITERAL_WORD";
|
||||||
|
case TOKEN_LITERAL_CHAR:
|
||||||
|
return "LITERAL_CHAR";
|
||||||
|
case TOKEN_SYMBOL:
|
||||||
|
return "SYMBOL";
|
||||||
|
}
|
||||||
|
return "";
|
||||||
|
}
|
||||||
|
|
||||||
|
size_t space_left(buffer_t *buffer)
|
||||||
|
{
|
||||||
|
if (buffer->available == buffer->used)
|
||||||
|
return 0;
|
||||||
|
return buffer->available - 1 - buffer->used;
|
||||||
|
}
|
||||||
|
|
||||||
|
bool is_symbol(char c)
|
||||||
|
{
|
||||||
|
return isalpha(c) || c == '-' || c == '_';
|
||||||
|
}
|
||||||
|
|
||||||
|
token_t tokenise_symbol(buffer_t *buffer)
|
||||||
|
{
|
||||||
|
token_t token = {.type = TOKEN_SYMBOL, .str_size = 0};
|
||||||
|
for (; token.str_size < space_left(buffer) &&
|
||||||
|
is_symbol(buffer->data[buffer->used + token.str_size]);
|
||||||
|
++token.str_size)
|
||||||
|
continue;
|
||||||
|
token.str = calloc(token.str_size + 1, 1);
|
||||||
|
memcpy(token.str, buffer->data + buffer->used, token.str_size);
|
||||||
|
token.str[token.str_size] = '\0';
|
||||||
|
buffer->used += token.str_size;
|
||||||
|
return token;
|
||||||
|
}
|
||||||
|
|
||||||
|
void tokenise_literal(buffer_t *buffer, token_t *token)
|
||||||
|
{
|
||||||
|
token->str_size = 0;
|
||||||
|
for (; token->str_size < space_left(buffer) &&
|
||||||
|
isdigit(buffer->data[buffer->used + token->str_size]);
|
||||||
|
++token->str_size)
|
||||||
|
continue;
|
||||||
|
token->str = calloc(token->str_size + 1, 1);
|
||||||
|
memcpy(token->str, buffer->data + buffer->used, token->str_size);
|
||||||
|
token->str[token->str_size] = '\0';
|
||||||
|
buffer->used += token->str_size;
|
||||||
|
}
|
||||||
|
|
||||||
|
token_t tokenise_byte_literal(buffer_t *buffer)
|
||||||
|
{
|
||||||
|
token_t token = {.type = TOKEN_LITERAL_BYTE};
|
||||||
|
tokenise_literal(buffer, &token);
|
||||||
|
return token;
|
||||||
|
}
|
||||||
|
|
||||||
|
token_t tokenise_hword_literal(buffer_t *buffer)
|
||||||
|
{
|
||||||
|
token_t token = {.type = TOKEN_LITERAL_HWORD};
|
||||||
|
tokenise_literal(buffer, &token);
|
||||||
|
return token;
|
||||||
|
}
|
||||||
|
|
||||||
|
token_t tokenise_word_literal(buffer_t *buffer)
|
||||||
|
{
|
||||||
|
token_t token = {.type = TOKEN_LITERAL_WORD};
|
||||||
|
tokenise_literal(buffer, &token);
|
||||||
|
return token;
|
||||||
|
}
|
||||||
|
|
||||||
|
token_t tokenise_char_literal(buffer_t *buffer)
|
||||||
|
{
|
||||||
|
token_t token = {.type = TOKEN_LITERAL_CHAR, .str_size = 1};
|
||||||
|
token.str = calloc(1, 1);
|
||||||
|
token.str[0] = buffer->data[buffer->used + 1];
|
||||||
|
buffer->used += 3;
|
||||||
|
return token;
|
||||||
|
}
|
||||||
|
|
||||||
|
token_t *tokenise_buffer(buffer_t *buffer, size_t *n_tokens)
|
||||||
|
{
|
||||||
|
buffer_t tokens = {0};
|
||||||
|
darr_init(&tokens, sizeof(token_t));
|
||||||
|
while (space_left(buffer) != 0)
|
||||||
|
{
|
||||||
|
bool is_token = true;
|
||||||
|
token_t t = {0};
|
||||||
|
char c = buffer->data[buffer->used];
|
||||||
|
if (isspace(c) || c == '\0')
|
||||||
|
{
|
||||||
|
// Clean whitespace
|
||||||
|
for (; space_left(buffer) > 0 && (isspace(c) || c == '\0');
|
||||||
|
++buffer->used, c = buffer->data[buffer->used])
|
||||||
|
continue;
|
||||||
|
is_token = false;
|
||||||
|
}
|
||||||
|
else if (space_left(buffer) > 1 && isdigit(buffer->data[buffer->used + 1]))
|
||||||
|
{
|
||||||
|
// Parsing numeric literals
|
||||||
|
switch (c)
|
||||||
|
{
|
||||||
|
case 'b':
|
||||||
|
buffer->used++;
|
||||||
|
t = tokenise_byte_literal(buffer);
|
||||||
|
break;
|
||||||
|
case 'h':
|
||||||
|
buffer->used++;
|
||||||
|
t = tokenise_hword_literal(buffer);
|
||||||
|
break;
|
||||||
|
case 'w':
|
||||||
|
buffer->used++;
|
||||||
|
t = tokenise_word_literal(buffer);
|
||||||
|
break;
|
||||||
|
default:
|
||||||
|
// TODO: Lex Error (INVALID_NUMERIC_LITERAL)
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else if (is_symbol(c))
|
||||||
|
t = tokenise_symbol(buffer);
|
||||||
|
else if (c == '\'')
|
||||||
|
{
|
||||||
|
if (space_left(buffer) < 2 || buffer->data[buffer->used + 2] != '\'')
|
||||||
|
// TODO: Lex Error (INVALID_CHAR_LITERAL)
|
||||||
|
exit(1);
|
||||||
|
t = tokenise_char_literal(buffer);
|
||||||
|
}
|
||||||
|
if (is_token)
|
||||||
|
darr_append_bytes(&tokens, (byte *)&t, sizeof(t));
|
||||||
|
}
|
||||||
|
*n_tokens = tokens.used / sizeof(token_t);
|
||||||
|
return (token_t *)tokens.data;
|
||||||
|
}
|
||||||
39
asm/lexer.h
Normal file
39
asm/lexer.h
Normal file
@@ -0,0 +1,39 @@
|
|||||||
|
/* Copyright (C) 2023 Aryadev Chavali
|
||||||
|
|
||||||
|
* You may distribute and modify this code under the terms of the GPLv2
|
||||||
|
* license. You should have received a copy of the GPLv2 license with
|
||||||
|
* this file. If not, please write to: aryadev@aryadevchavali.com.
|
||||||
|
|
||||||
|
* Created: 2023-10-24
|
||||||
|
* Author: Aryadev Chavali
|
||||||
|
* Description: Lexer for assembly language
|
||||||
|
*/
|
||||||
|
|
||||||
|
#ifndef LEXER_H
|
||||||
|
#define LEXER_H
|
||||||
|
|
||||||
|
#include <lib/darr.h>
|
||||||
|
|
||||||
|
typedef enum TokenType
|
||||||
|
{
|
||||||
|
TOKEN_LITERAL_BYTE,
|
||||||
|
TOKEN_LITERAL_CHAR,
|
||||||
|
TOKEN_LITERAL_HWORD,
|
||||||
|
TOKEN_LITERAL_WORD,
|
||||||
|
TOKEN_SYMBOL,
|
||||||
|
} token_type_t;
|
||||||
|
|
||||||
|
typedef struct
|
||||||
|
{
|
||||||
|
token_type_t type;
|
||||||
|
char *str;
|
||||||
|
size_t str_size;
|
||||||
|
} token_t;
|
||||||
|
|
||||||
|
typedef darr_t buffer_t;
|
||||||
|
|
||||||
|
const char *token_type_as_cstr(token_type_t type);
|
||||||
|
|
||||||
|
token_t *tokenise_buffer(buffer_t *, size_t *);
|
||||||
|
|
||||||
|
#endif
|
||||||
157
asm/main.c
157
asm/main.c
@@ -10,165 +10,14 @@
|
|||||||
* Description: Assembly source code compiler, targeting OVM
|
* Description: Assembly source code compiler, targeting OVM
|
||||||
*/
|
*/
|
||||||
|
|
||||||
#include <ctype.h>
|
|
||||||
#include <stdbool.h>
|
|
||||||
#include <stdio.h>
|
|
||||||
#include <string.h>
|
|
||||||
|
|
||||||
#include <lib/darr.h>
|
#include <lib/darr.h>
|
||||||
|
|
||||||
typedef enum TokenType
|
#include "./lexer.h"
|
||||||
{
|
|
||||||
TOKEN_BYTE_LITERAL,
|
|
||||||
TOKEN_HWORD_LITERAL,
|
|
||||||
TOKEN_WORD_LITERAL,
|
|
||||||
TOKEN_SYMBOL,
|
|
||||||
} token_type_t;
|
|
||||||
|
|
||||||
const char *token_type_as_cstr(token_type_t type)
|
|
||||||
{
|
|
||||||
switch (type)
|
|
||||||
{
|
|
||||||
case TOKEN_BYTE_LITERAL:
|
|
||||||
return "BYTE_LITERAL";
|
|
||||||
case TOKEN_HWORD_LITERAL:
|
|
||||||
return "HWORD_LITERAL";
|
|
||||||
case TOKEN_WORD_LITERAL:
|
|
||||||
return "WORD_LITERAL";
|
|
||||||
case TOKEN_SYMBOL:
|
|
||||||
return "SYMBOL";
|
|
||||||
}
|
|
||||||
return "";
|
|
||||||
}
|
|
||||||
|
|
||||||
typedef struct
|
|
||||||
{
|
|
||||||
token_type_t type;
|
|
||||||
char *str;
|
|
||||||
size_t str_size;
|
|
||||||
} token_t;
|
|
||||||
|
|
||||||
// We can use darr_read_file as an in memory buffer of source code
|
|
||||||
// Then just create new darr's for tokens, then instructions. Then
|
|
||||||
// emit bytecode in the end.
|
|
||||||
typedef darr_t buffer_t;
|
|
||||||
|
|
||||||
size_t space_left(buffer_t *buffer)
|
|
||||||
{
|
|
||||||
if (buffer->available == buffer->used)
|
|
||||||
return 0;
|
|
||||||
return buffer->available - 1 - buffer->used;
|
|
||||||
}
|
|
||||||
|
|
||||||
bool is_symbol(char c)
|
|
||||||
{
|
|
||||||
return isalpha(c) || c == '-' || c == '_';
|
|
||||||
}
|
|
||||||
|
|
||||||
token_t tokenise_symbol(buffer_t *buffer)
|
|
||||||
{
|
|
||||||
token_t token = {.type = TOKEN_SYMBOL, .str_size = 0};
|
|
||||||
for (; token.str_size < space_left(buffer) &&
|
|
||||||
is_symbol(buffer->data[buffer->used + token.str_size]);
|
|
||||||
++token.str_size)
|
|
||||||
continue;
|
|
||||||
token.str = calloc(token.str_size + 1, 1);
|
|
||||||
memcpy(token.str, buffer->data + buffer->used, token.str_size);
|
|
||||||
token.str[token.str_size] = '\0';
|
|
||||||
buffer->used += token.str_size;
|
|
||||||
return token;
|
|
||||||
}
|
|
||||||
|
|
||||||
void tokenise_literal(buffer_t *buffer, token_t *token)
|
|
||||||
{
|
|
||||||
token->str_size = 0;
|
|
||||||
for (; token->str_size < space_left(buffer) &&
|
|
||||||
isdigit(buffer->data[buffer->used + token->str_size]);
|
|
||||||
++token->str_size)
|
|
||||||
continue;
|
|
||||||
token->str = calloc(token->str_size + 1, 1);
|
|
||||||
memcpy(token->str, buffer->data + buffer->used, token->str_size);
|
|
||||||
token->str[token->str_size] = '\0';
|
|
||||||
buffer->used += token->str_size;
|
|
||||||
}
|
|
||||||
|
|
||||||
token_t tokenise_byte_literal(buffer_t *buffer)
|
|
||||||
{
|
|
||||||
token_t token = {.type = TOKEN_BYTE_LITERAL};
|
|
||||||
tokenise_literal(buffer, &token);
|
|
||||||
return token;
|
|
||||||
}
|
|
||||||
|
|
||||||
token_t tokenise_hword_literal(buffer_t *buffer)
|
|
||||||
{
|
|
||||||
token_t token = {.type = TOKEN_HWORD_LITERAL};
|
|
||||||
tokenise_literal(buffer, &token);
|
|
||||||
return token;
|
|
||||||
}
|
|
||||||
|
|
||||||
token_t tokenise_word_literal(buffer_t *buffer)
|
|
||||||
{
|
|
||||||
token_t token = {.type = TOKEN_WORD_LITERAL};
|
|
||||||
tokenise_literal(buffer, &token);
|
|
||||||
return token;
|
|
||||||
}
|
|
||||||
|
|
||||||
token_t *tokenise_buffer(buffer_t *buffer, size_t *n_tokens)
|
|
||||||
{
|
|
||||||
buffer_t tokens = {0};
|
|
||||||
darr_init(&tokens, sizeof(token_t));
|
|
||||||
while (space_left(buffer) != 0)
|
|
||||||
{
|
|
||||||
bool is_token = true;
|
|
||||||
token_t t = {0};
|
|
||||||
char c = buffer->data[buffer->used];
|
|
||||||
if (isspace(c) || c == '\0')
|
|
||||||
{
|
|
||||||
// Clean whitespace
|
|
||||||
for (; space_left(buffer) > 0 && (isspace(c) || c == '\0');
|
|
||||||
++buffer->used, c = buffer->data[buffer->used])
|
|
||||||
continue;
|
|
||||||
is_token = false;
|
|
||||||
}
|
|
||||||
else if (space_left(buffer) > 1 && isdigit(buffer->data[buffer->used + 1]))
|
|
||||||
{
|
|
||||||
// Parsing literals
|
|
||||||
|
|
||||||
switch (c)
|
|
||||||
{
|
|
||||||
case 'b':
|
|
||||||
buffer->used++;
|
|
||||||
t = tokenise_byte_literal(buffer);
|
|
||||||
break;
|
|
||||||
case 'h':
|
|
||||||
buffer->used++;
|
|
||||||
t = tokenise_hword_literal(buffer);
|
|
||||||
break;
|
|
||||||
case 'w':
|
|
||||||
buffer->used++;
|
|
||||||
t = tokenise_word_literal(buffer);
|
|
||||||
break;
|
|
||||||
default:
|
|
||||||
// TODO: Lex Error (INVALID_LITERAL)
|
|
||||||
fprintf(stderr, "[LEX_ERROR]: Invalid literal `%c`\n", c);
|
|
||||||
exit(1);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
else if (is_symbol(c))
|
|
||||||
{
|
|
||||||
t = tokenise_symbol(buffer);
|
|
||||||
}
|
|
||||||
if (is_token)
|
|
||||||
darr_append_bytes(&tokens, (byte *)&t, sizeof(t));
|
|
||||||
}
|
|
||||||
*n_tokens = tokens.used / sizeof(token_t);
|
|
||||||
return (token_t *)tokens.data;
|
|
||||||
}
|
|
||||||
|
|
||||||
int main(void)
|
int main(void)
|
||||||
{
|
{
|
||||||
FILE *fp = fopen("main.asm", "rb");
|
FILE *fp = fopen("main.asm", "rb");
|
||||||
buffer_t buffer = darr_read_file(fp);
|
darr_t buffer = darr_read_file(fp);
|
||||||
fclose(fp);
|
fclose(fp);
|
||||||
|
|
||||||
size_t n = 0;
|
size_t n = 0;
|
||||||
|
|||||||
Reference in New Issue
Block a user