aboutsummaryrefslogtreecommitdiff
path: root/compilador/lexer.py
blob: 8bb7c1351c0617887380852b91587662524dbe4f (plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
from enum import Enum
from tabla import LexToken, TablaLex, tokens
from parser import Parser
from shared import Control
from errors import Error

op_compuestos = ['>=', '<=', '==', '!=', '&&', '||', '++', '--']
op_simples_a = ['=', '+', '-', '&', '|'] # pueden ir al final del op compuesto
op_simples_b = ['!', '<', '>']           # solo pueden ir al inicio del op compuesto
op_simples = op_simples_a + op_simples_b
otros_tokens = ['{', '}', '(', ')', ',', '.', ';']
reservadas = {
    'booleano': 'BOOLEAN',
    'detener': 'BREAK',
    'cadena': 'STRING',
    'caracter': 'CHAR',
    'sino': 'ELSE',
    'porcada': 'FOR',
    'si': 'IF',
    'entero': 'INT',
    'imprimir': 'PRINT',
    'leer': 'READ',
    'retorna': 'RETURN',
    'vacio': 'VOID',
    'mientras': 'WHILE'
}

class Selector(Enum):
    NINGUNO = 0
    STRING_LIT = 1
    CHAR_LIT = 2
    ID_RESERVADA = 3
    COMMENT = 4
    ENTERO = 5

class Lexer:
    def __init__(self, input_file: str):
        self.tabla = TablaLex()
        self.numlinea = 1
        self.selector = Selector.NINGUNO
        self.recol_string = ''
        self.recol_caracter = ''
        self.recol_comentario = ''
        self.recol_operador = ''
        self.recol_ident = ''
        self.recol_entero = ''
        self.input_file = input_file
        with open(input_file) as f:
            self.data = f.read()

    def inicio(self):
        for l in self.data.splitlines():
            for c in l + "\n":
                r = self.procesar(c)
                if r == Control.ERROR: return 1
                while r != Control.SIGUIENTE:
                    r = self.procesar(c)
                    if r == Control.ERROR: return 1
            self.numlinea += 1

        # Exportar tabla de símbolos
        self.tabla.exportar(self.input_file + '.tab')
        return 0

    def procesar(self, c):
        # if c != "\t" and c != "\n":
        #    print (c + ' (' + str(self.selector) + ')')

        if self.selector == Selector.NINGUNO:
            # Entrada a string
            if c == '"':
                self.selector = Selector.STRING_LIT
                return Control.SIGUIENTE
            # Entrada a caracter
            elif c == '\'':
                self.selector = Selector.CHAR_LIT
                return Control.SIGUIENTE
            # Entrada a id o palabra reservada
            elif c.isalpha() or c == '_':
                self.selector = Selector.ID_RESERVADA
            # Entrada a entero
            elif c.isdigit():
                self.selector = Selector.ENTERO
            # Entrada a comentario
            elif c == '/':
                self.recol_comentario = '/'
            # Entrada a operador (simple o compuesto)
            elif c in op_simples_a and self.recol_operador == '':
                self.recol_operador = c
                return Control.SIGUIENTE
            # Entrada a operador (simple)
            elif c in op_simples_b:
                self.recol_operador = c
                return Control.SIGUIENTE
            # Entrada a tokens simples
            elif c in otros_tokens or (c == '*' and self.recol_comentario == ''):
                self.insertar_tabla(c, None, None)
                return Control.SIGUIENTE

            # Apertura de comentario
            if self.recol_comentario == '/' and c == '*':
                self.selector = Selector.COMMENT
                self.recol_comentario = ''
                return Control.SIGUIENTE

            # Apertura de operador compuesto
            if len(self.recol_operador) > 0:
                rc = self.recol_operador + c
                if rc in op_compuestos:
                    # Operador compuesto
                    self.insertar_tabla(rc, None, None)
                    self.recol_operador = ''
                    return Control.SIGUIENTE
                else:
                    # Operador simple
                    self.insertar_tabla(self.recol_operador, None, None)
                    if c in op_simples:
                        self.insertar_tabla(c, None, None)
                    self.recol_operador = ''
                    return Control.SIGUIENTE

        # Cadenas de texto
        if self.selector == Selector.STRING_LIT:
            return self.procesar_cadena(c)
            
        # Caracteres
        if self.selector == Selector.CHAR_LIT:
            return self.procesar_caracter(c)

        # Comentarios
        if self.selector == Selector.COMMENT:
            return self.procesar_comentario(c)

        # Identificador o palabra reservada
        if self.selector == Selector.ID_RESERVADA:
            return self.procesar_identificador(c)

        # Enteros
        if self.selector == Selector.ENTERO:
            return self.procesar_entero(c)

        return Control.SIGUIENTE

    def procesar_cadena(self, c):
        if c == '"':
            self.insertar_tabla('STRING_LIT', None, self.recol_string)
            self.selector = Selector.NINGUNO
            self.recol_string = ''
        else:
            self.recol_string += c
        return Control.SIGUIENTE

    def procesar_caracter(self, c):
        if len(self.recol_caracter) > 1:
            Error('L_CAR_LARGO', self.numlinea)
            return Control.ERROR
        if c == '\'':
            if len(self.recol_caracter) == 0:
                Error('L_CAR_VACIO', self.numlinea)
                return Control.ERROR
            self.insertar_tabla('CHAR_LIT', None, self.recol_caracter)
            self.selector = Selector.NINGUNO
            self.recol_caracter = ''
        else:
            self.recol_caracter += c
        return Control.SIGUIENTE

    def procesar_comentario(self, c):
        if c == '*':
            self.recol_comentario = c
        elif self.recol_comentario == '*':
            if c == '/':
                self.selector = Selector.NINGUNO
                self.recol_comentario = ''
            else:
                self.recol_comentario = ''
        return Control.SIGUIENTE

    def procesar_identificador(self, c):
        if c.isalnum() or c == '_':
            self.recol_ident += c
        else:
            if self.recol_ident in reservadas.keys():
                self.insertar_tabla(reservadas[self.recol_ident], None, None)
            elif self.recol_ident == 'verdadero':
                self.insertar_tabla('BOOLEAN_LIT', None, True)
            elif self.recol_ident == 'falso':
                self.insertar_tabla('BOOLEAN_LIT', None, False)
            else:
                self.insertar_tabla('IDENT', self.recol_ident, None)
            self.recol_ident = ''
            self.selector = Selector.NINGUNO
            return Control.REPETIR
        return Control.SIGUIENTE

    def procesar_entero(self, c):
        if c.isdigit():
            self.recol_entero += c
        else:
            self.insertar_tabla('INT_LIT', None, int(self.recol_entero))
            self.recol_entero = ''
            self.selector = Selector.NINGUNO
            return Control.REPETIR
        return Control.SIGUIENTE

    def insertar_tabla(self, token, nombre, valor):
        self.tabla.insertar(LexToken(token, nombre, valor, self.numlinea))