Wrote lexer for assembly
Pretty simple tokeniser, doesn't do a lot and needs to error check better.
This commit is contained in:
154
asm/main.c
154
asm/main.c
@@ -10,19 +10,37 @@
|
|||||||
* Description: Assembly source code compiler, targeting OVM
|
* Description: Assembly source code compiler, targeting OVM
|
||||||
*/
|
*/
|
||||||
|
|
||||||
|
#include <ctype.h>
|
||||||
|
#include <stdbool.h>
|
||||||
#include <stdio.h>
|
#include <stdio.h>
|
||||||
|
#include <string.h>
|
||||||
|
|
||||||
#include <lib/darr.h>
|
#include <lib/darr.h>
|
||||||
|
|
||||||
typedef enum TokenType
|
typedef enum TokenType
|
||||||
{
|
{
|
||||||
TOKEN_WHITESPACE,
|
|
||||||
TOKEN_BYTE_LITERAL,
|
TOKEN_BYTE_LITERAL,
|
||||||
TOKEN_HWORD_LITERAL,
|
TOKEN_HWORD_LITERAL,
|
||||||
TOKEN_WORD_LITERAL,
|
TOKEN_WORD_LITERAL,
|
||||||
TOKEN_SYMBOL,
|
TOKEN_SYMBOL,
|
||||||
} token_type_t;
|
} 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
|
typedef struct
|
||||||
{
|
{
|
||||||
token_type_t type;
|
token_type_t type;
|
||||||
@@ -33,14 +51,138 @@ typedef struct
|
|||||||
// We can use darr_read_file as an in memory buffer of source code
|
// 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
|
// Then just create new darr's for tokens, then instructions. Then
|
||||||
// emit bytecode in the end.
|
// 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");
|
||||||
darr_t darr = darr_read_file(fp);
|
buffer_t buffer = darr_read_file(fp);
|
||||||
fclose(fp);
|
fclose(fp);
|
||||||
darr.data[darr.available - 1] = '\0';
|
|
||||||
printf("%lu/%lu\n%s\n", darr.used, darr.available, darr.data);
|
size_t n = 0;
|
||||||
free(darr.data);
|
token_t *tokens = tokenise_buffer(&buffer, &n);
|
||||||
|
printf("%lu bytes -> %lu tokens\n", buffer.used, n);
|
||||||
|
free(buffer.data);
|
||||||
|
|
||||||
|
for (size_t i = 0; i < n; ++i)
|
||||||
|
printf("%s(%.*s)\n", token_type_as_cstr(tokens[i].type),
|
||||||
|
(int)tokens[i].str_size, tokens[i].str);
|
||||||
|
|
||||||
|
// Free the tokens
|
||||||
|
for (size_t i = 0; i < n; ++i)
|
||||||
|
free(tokens[i].str);
|
||||||
|
free(tokens);
|
||||||
return 0;
|
return 0;
|
||||||
}
|
}
|
||||||
|
|||||||
Reference in New Issue
Block a user