return lexeme str slice from find_lexeme function
This commit is contained in:
parent
b495114937
commit
1886231dcd
|
|
@ -313,7 +313,9 @@ NUM_LEXEMES: dq 30
|
||||||
|
|
||||||
|
|
||||||
section .text
|
section .text
|
||||||
;; rdi: length of matched lexeme
|
;; rdi: length of previously matched lexeme
|
||||||
|
;; returns the length of the ident
|
||||||
|
;; fn is_ident(lexeme_len: usize) -> usize
|
||||||
is_ident:
|
is_ident:
|
||||||
push rbp
|
push rbp
|
||||||
mov rbp, rsp
|
mov rbp, rsp
|
||||||
|
|
@ -351,7 +353,7 @@ is_ident:
|
||||||
mov rax, [rel cursor]
|
mov rax, [rel cursor]
|
||||||
add rax, r14
|
add rax, r14
|
||||||
mov [rel cursor], rax
|
mov [rel cursor], rax
|
||||||
mov rax, 1
|
mov rax, r14
|
||||||
jmp .epilogue
|
jmp .epilogue
|
||||||
.not_ident:
|
.not_ident:
|
||||||
xor rax, rax
|
xor rax, rax
|
||||||
|
|
@ -396,11 +398,22 @@ skip_whitespaces:
|
||||||
pop rbp
|
pop rbp
|
||||||
ret
|
ret
|
||||||
|
|
||||||
|
|
||||||
|
;; rdi: pointer to out-struct
|
||||||
|
;; fn find_lexeme() -> (u8, *const u8, usize)
|
||||||
find_lexeme:
|
find_lexeme:
|
||||||
push rbp
|
push rbp
|
||||||
mov rbp, rsp
|
mov rbp, rsp
|
||||||
|
push rdi
|
||||||
; skip whitespaces
|
; skip whitespaces
|
||||||
call skip_whitespaces
|
call skip_whitespaces
|
||||||
|
;; init out struct
|
||||||
|
mov rdi, [rsp]
|
||||||
|
mov rax, [rel buffer]
|
||||||
|
add rax, [rel cursor]
|
||||||
|
mov qword [rdi], 0
|
||||||
|
mov [rdi + 8], rax
|
||||||
|
mov qword [rdi + 16], 0
|
||||||
; check length
|
; check length
|
||||||
mov rax, [rel cursor]
|
mov rax, [rel cursor]
|
||||||
mov rcx, [rel buffer_len]
|
mov rcx, [rel buffer_len]
|
||||||
|
|
@ -411,6 +424,7 @@ find_lexeme:
|
||||||
.eof:
|
.eof:
|
||||||
; return TOKEN_EOF;
|
; return TOKEN_EOF;
|
||||||
mov rax, TOKEN_EOF
|
mov rax, TOKEN_EOF
|
||||||
|
pop rdi
|
||||||
pop rbp
|
pop rbp
|
||||||
ret
|
ret
|
||||||
; }
|
; }
|
||||||
|
|
@ -444,6 +458,7 @@ find_lexeme:
|
||||||
test rax, rax
|
test rax, rax
|
||||||
je .next
|
je .next
|
||||||
; if is_ident() {
|
; if is_ident() {
|
||||||
|
mov rdi, rsi
|
||||||
call is_ident
|
call is_ident
|
||||||
test rax, rax
|
test rax, rax
|
||||||
; return TOKEN_IDENT;
|
; return TOKEN_IDENT;
|
||||||
|
|
@ -454,16 +469,20 @@ find_lexeme:
|
||||||
; return TOKEN_NUMBER;
|
; return TOKEN_NUMBER;
|
||||||
jne .is_number
|
jne .is_number
|
||||||
; } else {
|
; } else {
|
||||||
|
mov rdi, [rsp + 8]
|
||||||
mov rax, [rel cursor]
|
mov rax, [rel cursor]
|
||||||
; cursor += len;
|
; cursor += len;
|
||||||
lea rdi, [rel LEXEME_LENS]
|
lea rsi, [rel LEXEME_LENS]
|
||||||
mov rdi, [rdi + r12*8]
|
mov rsi, [rsi + r12*8]
|
||||||
add rax, rdi
|
add rax, rsi
|
||||||
mov [rel cursor], rax
|
mov [rel cursor], rax
|
||||||
; return TOKENS[i];
|
; return TOKENS[i];
|
||||||
lea rax, [rel TOKENS]
|
lea rax, [rel TOKENS]
|
||||||
mov al, [rax + r12]
|
mov al, [rax + r12]
|
||||||
and rax, 0xFF
|
and rax, 0xFF
|
||||||
|
mov rdi, [rsp + 8]
|
||||||
|
mov [rdi], al
|
||||||
|
mov [rdi + 16], rsi
|
||||||
jmp .epilogue
|
jmp .epilogue
|
||||||
; }
|
; }
|
||||||
.next:
|
.next:
|
||||||
|
|
@ -473,6 +492,7 @@ find_lexeme:
|
||||||
; }
|
; }
|
||||||
.not_found:
|
.not_found:
|
||||||
; if is_ident() {
|
; if is_ident() {
|
||||||
|
xor rdi, rdi
|
||||||
call is_ident
|
call is_ident
|
||||||
test rax, rax
|
test rax, rax
|
||||||
; return TOKEN_IDENT;
|
; return TOKEN_IDENT;
|
||||||
|
|
@ -484,15 +504,24 @@ find_lexeme:
|
||||||
jne .is_number
|
jne .is_number
|
||||||
; } else {
|
; } else {
|
||||||
; return TOKEN_EOF;
|
; return TOKEN_EOF;
|
||||||
mov rax, TOKEN_EOF
|
mov rdi, [rsp + 8]
|
||||||
|
mov qword [rdi], TOKEN_EOF
|
||||||
; }
|
; }
|
||||||
.epilogue:
|
.epilogue:
|
||||||
pop r12
|
pop r12
|
||||||
|
pop rdi
|
||||||
pop rbp
|
pop rbp
|
||||||
ret
|
ret
|
||||||
.is_ident:
|
.is_ident:
|
||||||
mov rax, TOKEN_IDENT
|
; rax = len
|
||||||
|
; out.0 = TOKEN_IDENT
|
||||||
|
; out.1 = buffer.add(cursor - len)
|
||||||
|
; out.2 = len
|
||||||
|
mov rdi, [rsp + 8]
|
||||||
|
mov qword [rdi], TOKEN_IDENT
|
||||||
|
mov [rdi + 16], rax
|
||||||
jmp .epilogue
|
jmp .epilogue
|
||||||
.is_number:
|
.is_number:
|
||||||
mov rax, TOKEN_NUMBER
|
mov rdi, [rsp + 8]
|
||||||
|
mov qword [rdi], TOKEN_NUMBER
|
||||||
jmp .epilogue
|
jmp .epilogue
|
||||||
|
|
|
||||||
|
|
@ -3,21 +3,25 @@ extern "C" fn panic() -> ! {
|
||||||
panic!("Called panic from external code.");
|
panic!("Called panic from external code.");
|
||||||
}
|
}
|
||||||
|
|
||||||
#[derive(Debug, Clone, Copy, PartialEq, Eq)]
|
#[derive(Debug)]
|
||||||
struct Lexeme(u8);
|
struct Lexeme(u8, &'static str);
|
||||||
|
|
||||||
|
impl PartialEq for Lexeme {
|
||||||
|
fn eq(&self, other: &Self) -> bool {
|
||||||
|
match self.0 {
|
||||||
|
// Identifiers and numbers compare both token and lexeme
|
||||||
|
30 | 31 => self.0 == other.0 && self.1 == other.1,
|
||||||
|
_ => self.0 == other.0,
|
||||||
|
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
impl Eq for Lexeme {}
|
||||||
|
|
||||||
impl Lexeme {
|
impl Lexeme {
|
||||||
fn lex(&self) -> &'static str {
|
fn lex(&self) -> &'static str {
|
||||||
// SAFETY: lens contains the correct length for each lexeme, and lexemes
|
self.1
|
||||||
// contains pointers to valid 'static UTF-8 data.
|
|
||||||
unsafe {
|
|
||||||
core::str::from_utf8_unchecked(
|
|
||||||
core::slice::from_raw_parts(
|
|
||||||
(&raw const LEXEMES).add((self.0) as usize).read(),
|
|
||||||
(&raw const LEXEME_LENS).add((self.0) as usize).read(),
|
|
||||||
)
|
|
||||||
)
|
|
||||||
}
|
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
|
|
@ -25,10 +29,20 @@ trait AsLexeme {
|
||||||
fn as_lexeme(self) -> Option<Lexeme>;
|
fn as_lexeme(self) -> Option<Lexeme>;
|
||||||
}
|
}
|
||||||
|
|
||||||
impl AsLexeme for u8 {
|
#[repr(C)]
|
||||||
|
struct LexemeRaw {
|
||||||
|
token: u8,
|
||||||
|
lexeme: *const u8,
|
||||||
|
len: usize,
|
||||||
|
}
|
||||||
|
impl AsLexeme for LexemeRaw {
|
||||||
fn as_lexeme(self) -> Option<Lexeme> {
|
fn as_lexeme(self) -> Option<Lexeme> {
|
||||||
match self {
|
let Self {token, lexeme, len} = self;
|
||||||
1.. => Some(Lexeme(self)),
|
let slice = unsafe {core::str::from_utf8_unchecked(
|
||||||
|
core::slice::from_raw_parts(
|
||||||
|
lexeme, len))};
|
||||||
|
match token {
|
||||||
|
1.. => Some(Lexeme(token, slice)),
|
||||||
_ => None,
|
_ => None,
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
@ -41,7 +55,8 @@ unsafe extern "C" {
|
||||||
unsafe fn is_ident(len: usize) -> bool;
|
unsafe fn is_ident(len: usize) -> bool;
|
||||||
unsafe fn is_number(len: usize) -> bool;
|
unsafe fn is_number(len: usize) -> bool;
|
||||||
unsafe fn skip_whitespace() -> ();
|
unsafe fn skip_whitespace() -> ();
|
||||||
unsafe fn find_lexeme() -> u8;
|
|
||||||
|
unsafe fn find_lexeme() -> LexemeRaw;
|
||||||
|
|
||||||
static mut LEXEMES: *const u8;
|
static mut LEXEMES: *const u8;
|
||||||
static mut LEXEME_LENS: usize;
|
static mut LEXEME_LENS: usize;
|
||||||
|
|
@ -80,17 +95,17 @@ fn main() {
|
||||||
eprintln!("ok.");
|
eprintln!("ok.");
|
||||||
|
|
||||||
assert_eq!(&collect_tokens()[..], &[
|
assert_eq!(&collect_tokens()[..], &[
|
||||||
Lexeme(4),
|
Lexeme(4, ""),
|
||||||
Lexeme(1),
|
Lexeme(1, ""),
|
||||||
Lexeme(2),
|
Lexeme(2, ""),
|
||||||
Lexeme(3),
|
Lexeme(3, ""),
|
||||||
Lexeme(4),
|
Lexeme(4, ""),
|
||||||
Lexeme(8),
|
Lexeme(8, ""),
|
||||||
Lexeme(13),
|
Lexeme(13, ""),
|
||||||
Lexeme(11),
|
Lexeme(11, ""),
|
||||||
Lexeme(10),
|
Lexeme(10, ""),
|
||||||
Lexeme(9),
|
Lexeme(9, ""),
|
||||||
Lexeme(5),
|
Lexeme(5, ""),
|
||||||
][..]);
|
][..]);
|
||||||
|
|
||||||
eprint!("Initializing tokeniser.. ");
|
eprint!("Initializing tokeniser.. ");
|
||||||
|
|
@ -98,17 +113,17 @@ fn main() {
|
||||||
eprintln!("ok.");
|
eprintln!("ok.");
|
||||||
|
|
||||||
assert_eq!(&collect_tokens()[..], &[
|
assert_eq!(&collect_tokens()[..], &[
|
||||||
Lexeme(19),
|
Lexeme(19, ""),
|
||||||
Lexeme(18),
|
Lexeme(18, ""),
|
||||||
Lexeme(28),
|
Lexeme(28, ""),
|
||||||
Lexeme(29),
|
Lexeme(29, ""),
|
||||||
Lexeme(21),
|
Lexeme(21, ""),
|
||||||
Lexeme(20),
|
Lexeme(20, ""),
|
||||||
Lexeme(24),
|
Lexeme(24, ""),
|
||||||
Lexeme(12),
|
Lexeme(12, ""),
|
||||||
Lexeme(23),
|
Lexeme(23, ""),
|
||||||
Lexeme(22),
|
Lexeme(22, ""),
|
||||||
Lexeme(15),
|
Lexeme(15, ""),
|
||||||
][..]);
|
][..]);
|
||||||
|
|
||||||
eprintln!("Finished tokenising.");
|
eprintln!("Finished tokenising.");
|
||||||
|
|
|
||||||
Loading…
Reference in a new issue