Introduction of wchar.h to support more characters.
authorJérôme Benoit <jerome.benoit@piment-noir.org>
Sun, 12 Nov 2017 16:16:01 +0000 (17:16 +0100)
committerJérôme Benoit <jerome.benoit@piment-noir.org>
Sun, 12 Nov 2017 16:16:01 +0000 (17:16 +0100)
Store the found token and its value in an struct array while at it.

Signed-off-by: Jérôme Benoit <jerome.benoit@piment-noir.org>
lexer/main.c

index 19fc34f8763db78ec958d8d31b7d4e656090b0c8..c8b897978c6c27e9945b1e5de0a2565132718bce 100644 (file)
@@ -2,14 +2,20 @@
 #include <stdio.h>
 #include <string.h>
 #include <stdbool.h>
+#include <wchar.h>
 
-#define TOKEN_MAX_LENGTH 50
-#define TOKEN_LIST_MAX 500
+#define TOKEN_MAX 500
+
+struct token_s {
+    const char* type;
+    wint_t value[50];
+};
+
+struct token_s token[TOKEN_MAX] = {NULL, 0};
 
 FILE *source = NULL, *target = NULL;
-char c;
-unsigned int i = 0;
-char tokenValue[TOKEN_MAX_LENGTH];
+wint_t c;
+unsigned int tokenFound = 0;
 enum TokenType {
     MOTCLE,
     SECTION,
@@ -19,72 +25,76 @@ enum TokenType {
     FIN
 } tokenType;
 const char* tokenTypestr[] = { "MOTCLE", "SECTION", "SSECTION", "NPARA", "MOT", "FIN" };
-const char* tokenList[TOKEN_LIST_MAX];
+unsigned int i = 0;
 
 /* It looks silly to check for each characters but for debugging, it's just the way to go */
 bool istAlpha() {
-    if (c == 'a' || c == 'b' || c == 'c' || c == 'd' || c == 'e' || c == 'f' || c == 'g' || \
-        c == 'h' || c == 'i' || c == 'j' || c == 'k' || c == 'l' || c == 'm' || c == 'n' || \
-        c == 'o' || c == 'p' || c == 'q' || c == 'r' || c == 's' || c == 't' || c == 'u' || \
-        c == 'v' || c == 'w' || c == 'x' || c == 'y' || c == 'z' || \
-        c == 'A' || c == 'B' || c == 'C' || c == 'D' || c == 'E' || c == 'F' || c == 'G' || \
-        c == 'H' || c == 'I' || c == 'J' || c == 'K' || c == 'L' || c == 'M' || c == 'N' || \
-        c == 'O' || c == 'P' || c == 'Q' || c == 'R' || c == 'S' || c == 'T' || c == 'U' || \
-        c == 'V' || c == 'W' || c == 'X' || c == 'Y' || c == 'Z' || \
-        c == '.' || c == '?' || c == '!' || c == ',' || c == ';' || c == ':' || c == '-' || \
-        c == '\''|| c == '#' || \
-        c == '0' || c == '1' || c == '2' || c == '3' || c == '4' || c == '5' || c == '6' || \
-        c == '7' || c == '8' || c == '9') {
+    if (c == L'a' || c == L'b' || c == L'c' || c == L'd' || c == L'e' || c == L'f' || c == L'g' || \
+        c == L'h' || c == L'i' || c == L'j' || c == L'k' || c == L'l' || c == L'm' || c == L'n' || \
+        c == L'o' || c == L'p' || c == L'q' || c == L'r' || c == L's' || c == L't' || c == L'u' || \
+        c == L'v' || c == L'w' || c == L'x' || c == L'y' || c == L'z' || \
+        c == L'A' || c == L'B' || c == L'C' || c == L'D' || c == L'E' || c == L'F' || c == L'G' || \
+        c == L'H' || c == L'I' || c == L'J' || c == L'K' || c == L'L' || c == L'M' || c == L'N' || \
+        c == L'O' || c == L'P' || c == L'Q' || c == L'R' || c == L'S' || c == L'T' || c == L'U' || \
+        c == L'V' || c == L'W' || c == L'X' || c == L'Y' || c == L'Z' || \
+        c == L'.' || c == L'?' || c == L'!' || c == L',' || c == L';' || c == L':' || c == L'-' || \
+        c == L'\''|| c == L'#' || \
+        c == L'0' || c == L'1' || c == L'2' || c == L'3' || c == L'4' || c == L'5' || c == L'6' || \
+        c == L'7' || c == L'8' || c == L'9' || \
+        c == L'à' || c == L'â' || c == L'ç' || c == L'è' || c == L'é' || c == L'î' || c == L'ô' || \
+        c == L'ù' || c == L'û' || \
+        c == L'À' || c == L'Â' || c == L'Ç' || c == L'È' || c == L'É' || c == L'Î' || c == L'Ô' || \
+        c == L'Ù' || c == L'Û') {
             return true;
         }
         return false;
 }
 
 bool isSeparator() {
-    if (c == '\t' || c == ' ' || c == '\n') {
+    if (c == L'\t' || c == L' ' || c == L'\n') {
         return true;
     }
     return false;
 }
 
 int scanner() {
-    const char* Titre = "Titre";
-    const char* Auteur = "Auteur";
+    const wchar_t* Titre = L"Titre";
+    const wchar_t* Auteur = L"Auteur";
     unsigned int j = 0;
 
 // The main loop get the next character
 init:
-    if (c == ' ' || c == '\t') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L' ' || c == L'\t') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto init;
     }
-    if (c == '\n') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'\n') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto initLV1;
     }
-    if (c == '>') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'>') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto MC1;
     }
-    if (c == '=') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'=') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto S1SS1;
     }
     if (istAlpha()) {
-        c = fgetc(source);
-        tokenValue[i] = c;
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto M1;
     }
-    if (c == EOF) {
+    if (c == WEOF) {
         goto FIN;
     } else {
         goto error;
@@ -92,39 +102,39 @@ init:
 
 MC1:
     // FIXME: Partial match need a rewind in the characters extraction from the file
-    if (c == Titre[j] && j < strlen(Titre) - 1) {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == (wint_t)Titre[j] && j < wcslen(Titre) - 1) {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         j++;
         goto MC1;
     }
-    if (c == Auteur[j] && j < strlen(Auteur) - 1) {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == (wint_t)Auteur[j] && j < wcslen(Auteur) - 1) {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         j++;
         goto MC1;
     } else {
-        c = fgetc(source);
-        tokenValue[i] = c;
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto MC2;
     }
 
 S1SS1:
-    if (c == '=') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'=') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto SS2;
     }
-    if (isSeparator() || c == EOF) {
+    if (isSeparator() || c == WEOF) {
         goto SECTION;
     }
 
 SS2:
-    if (isSeparator() || c == EOF) {
+    if (isSeparator() || c == WEOF) {
         goto SSECTION;
     }
 
@@ -138,73 +148,73 @@ SSECTION:
 
 M1:
     if (istAlpha()) {
-        c = fgetc(source);
-        tokenValue[i] = c;
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto M1;
     }
-    if (isSeparator() || c == EOF) {
+    if (isSeparator() || c == WEOF) {
         goto MOT;
     }
 
 initLV1:
-    if (c == ' ' || c == '\t') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L' ' || c == L'\t') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto initLV1;
     }
-    if (c == '\n') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'\n') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto initLV1LV2;
     }
     if (istAlpha()) {
-        c = fgetc(source);
-        tokenValue[i] = c;
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto M1;
     }
-    if (c == '=') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'=') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto S1SS1;
     }
-    if (c == '>') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'>') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto MC1;
     }
-    if (c == EOF) {
+    if (c == WEOF) {
         goto FIN;
     }
 
 initLV1LV2:
     if (isSeparator()) {
-        c = fgetc(source);
-        tokenValue[i] = c;
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto initLV1LV2;
     }
     if (istAlpha()) {
         goto NPARA;
     }
-    if (c == '>') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'>') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto MC1;
     }
-    if (c == '=') {
-        c = fgetc(source);
-        tokenValue[i] = c;
+    if (c == L'=') {
+        c = fgetwc(source);
+        token[tokenFound].value[i] = c;
         i++;
         goto S1SS1;
     }
-    if (c == EOF) {
+    if (c == WEOF) {
         goto FIN;
     }
 
@@ -217,7 +227,7 @@ MOT:
     return 1;
 
 MC2:
-    if (isSeparator() || c == EOF) {
+    if (isSeparator() || c == WEOF) {
         goto MOTCLE;
     }
 
@@ -234,7 +244,7 @@ error:
     return -1;
 }
 
-int main (int argc, char const *argv[]) {
+int main() {
 
     // Ouvre le fichier test.txt en lecture seulement (le fichier doit exister) :
     source = fopen("test.txt", "r");
@@ -252,28 +262,26 @@ int main (int argc, char const *argv[]) {
         return -1;
     }
 
-    int tokenFound = 0;
-
     do {
-        c = fgetc(source); // lecture du caractere suivant du fichier source
-        tokenValue[i] = c;
+        c = fgetwc(source); // lecture du caractere suivant du fichier source
+        token[tokenFound].value[i] = c;
         i++;
         int scanrt = scanner();
         if (scanrt == -1) {
-            printf ("Scanner error with token value: %s\n", tokenValue);
+            wprintf(L"Scanner error with token value: %ls\n", token[tokenFound].value);
             exit(EXIT_FAILURE);
         }
-        if (c != EOF) {
-            printf ("Token type found: %s with value: %s\n", tokenTypestr[tokenType], tokenValue);
+        if (c != WEOF) {
+            wprintf(L"Token type found: %s with value: %ls\n", tokenTypestr[tokenType], token[tokenFound].value);
         } else {
-            printf ("Token type found: %s\n", tokenTypestr[tokenType]);
+            wprintf(L"Token type found: %s\n", tokenTypestr[tokenType]);
         }
-        tokenList[tokenFound] = tokenTypestr[tokenType];
+        token[tokenFound].type = tokenTypestr[tokenType];
         tokenFound++;
-        // reinit tokenValue
+        // reinit token.value array counter
         i = 0;
-        memset(tokenValue, 0, sizeof(tokenValue));
-    } while (c != EOF); // tant que la fin du fichier n'est pas atteinte
+    //} while (c != WEOF); // tant que la fin du fichier n'est pas atteinte
+    } while (!feof(source)); // tant que la fin du fichier n'est pas atteinte
 
     if (source != NULL) fclose(source); // fermeture du fichier source
     if (target != NULL) fclose(target); // fermeture du fichier target