lexer.cpp

   1 #include <string.h>
   2 #include <stdlib.h>
   3
   4 #include "gmqcc.h"
   5 #include "lexer.h"
   6
   7 /*
   8  * List of Keywords
   9  */
  10
  11 /* original */
  12 static const char *keywords_qc[] = {
  13     "for", "do", "while",
  14     "if", "else",
  15     "local",
  16     "return",
  17     "const"
  18 };
  19 /* For fte/gmgqcc */
  20 static const char *keywords_fg[] = {
  21     "switch", "case", "default",
  22     "struct", "union",
  23     "break", "continue",
  24     "typedef",
  25     "goto",
  26
  27     "__builtin_debug_printtype"
  28 };
  29
  30 /*
  31  * Lexer code
  32  */
  33 static char* *lex_filenames;
  34
  35 static void lexerror(lex_file *lex, const char *fmt, ...)
  36 {
  37     va_list ap;
  38
  39     va_start(ap, fmt);
  40     if (lex)
  41         con_vprintmsg(LVL_ERROR, lex->name, lex->sline, lex->column, "parse error", fmt, ap);
  42     else
  43         con_vprintmsg(LVL_ERROR, "", 0, 0, "parse error", fmt, ap);
  44     va_end(ap);
  45 }
  46
  47 static bool lexwarn(lex_file *lex, int warntype, const char *fmt, ...)
  48 {
  49     bool      r;
  50     lex_ctx_t ctx;
  51     va_list   ap;
  52
  53     ctx.file   = lex->name;
  54     ctx.line   = lex->sline;
  55     ctx.column = lex->column;
  56
  57     va_start(ap, fmt);
  58     r = vcompile_warning(ctx, warntype, fmt, ap);
  59     va_end(ap);
  60     return r;
  61 }
  62
  63 static void lex_token_new(lex_file *lex)
  64 {
  65     if (lex->tok.value)
  66         vec_shrinkto(lex->tok.value, 0);
  67
  68     lex->tok.constval.t  = TYPE_VOID;
  69     lex->tok.ctx.line    = lex->sline;
  70     lex->tok.ctx.file    = lex->name;
  71     lex->tok.ctx.column  = lex->column;
  72 }
  73
  74 static void lex_ungetch(lex_file *lex, int ch);
  75 static int lex_getch(lex_file *lex);
  76
  77 lex_file* lex_open(const char *file)
  78 {
  79     lex_file  *lex;
  80     FILE *in = fopen(file, "rb");
  81     uint32_t   read;
  82
  83     if (!in) {
  84         lexerror(nullptr, "open failed: '%s'\n", file);
  85         return nullptr;
  86     }
  87
  88     lex = (lex_file*)mem_a(sizeof(*lex));
  89     if (!lex) {
  90         fclose(in);
  91         lexerror(nullptr, "out of memory\n");
  92         return nullptr;
  93     }
  94
  95     memset(lex, 0, sizeof(*lex));
  96
  97     lex->file    = in;
  98     lex->name    = util_strdup(file);
  99     lex->line    = 1; /* we start counting at 1 */
 100     lex->column  = 0;
 101     lex->peekpos = 0;
 102     lex->eof     = false;
 103
 104     /* handle BOM */
 105     if ((read = (lex_getch(lex) << 16) | (lex_getch(lex) << 8) | lex_getch(lex)) != 0xEFBBBF) {
 106         lex_ungetch(lex, (read & 0x0000FF));
 107         lex_ungetch(lex, (read & 0x00FF00) >> 8);
 108         lex_ungetch(lex, (read & 0xFF0000) >> 16);
 109     } else {
 110         /*
 111          * otherwise the lexer has advanced 3 bytes for the BOM, we need
 112          * to set the column back to 0
 113          */
 114         lex->column = 0;
 115     }
 116
 117     vec_push(lex_filenames, lex->name);
 118     return lex;
 119 }
 120
 121 lex_file* lex_open_string(const char *str, size_t len, const char *name)
 122 {
 123     lex_file *lex;
 124
 125     lex = (lex_file*)mem_a(sizeof(*lex));
 126     if (!lex) {
 127         lexerror(nullptr, "out of memory\n");
 128         return nullptr;
 129     }
 130
 131     memset(lex, 0, sizeof(*lex));
 132
 133     lex->file = nullptr;
 134     lex->open_string        = str;
 135     lex->open_string_length = len;
 136     lex->open_string_pos    = 0;
 137
 138     lex->name    = util_strdup(name ? name : "<string-source>");
 139     lex->line    = 1; /* we start counting at 1 */
 140     lex->peekpos = 0;
 141     lex->eof     = false;
 142     lex->column  = 0;
 143
 144     vec_push(lex_filenames, lex->name);
 145
 146     return lex;
 147 }
 148
 149 void lex_cleanup(void)
 150 {
 151     size_t i;
 152     for (i = 0; i < vec_size(lex_filenames); ++i)
 153         mem_d(lex_filenames[i]);
 154     vec_free(lex_filenames);
 155 }
 156
 157 void lex_close(lex_file *lex)
 158 {
 159     size_t i;
 160     for (i = 0; i < vec_size(lex->frames); ++i)
 161         mem_d(lex->frames[i].name);
 162     vec_free(lex->frames);
 163
 164     if (lex->modelname)
 165         vec_free(lex->modelname);
 166
 167     if (lex->file)
 168         fclose(lex->file);
 169
 170     vec_free(lex->tok.value);
 171
 172     /* mem_d(lex->name); collected in lex_filenames */
 173     mem_d(lex);
 174 }
 175
 176
 177
 178 static int lex_fgetc(lex_file *lex)
 179 {
 180     if (lex->file) {
 181         lex->column++;
 182         return fgetc(lex->file);
 183     }
 184     if (lex->open_string) {
 185         if (lex->open_string_pos >= lex->open_string_length)
 186             return EOF;
 187         lex->column++;
 188         return lex->open_string[lex->open_string_pos++];
 189     }
 190     return EOF;
 191 }
 192
 193 /* Get or put-back data
 194  * The following to functions do NOT understand what kind of data they
 195  * are working on.
 196  * The are merely wrapping get/put in order to count line numbers.
 197  */
 198 static int lex_try_trigraph(lex_file *lex, int old)
 199 {
 200     int c2, c3;
 201     c2 = lex_fgetc(lex);
 202     if (!lex->push_line && c2 == '\n') {
 203         lex->line++;
 204         lex->column = 0;
 205     }
 206
 207     if (c2 != '?') {
 208         lex_ungetch(lex, c2);
 209         return old;
 210     }
 211
 212     c3 = lex_fgetc(lex);
 213     if (!lex->push_line && c3 == '\n') {
 214         lex->line++;
 215         lex->column = 0;
 216     }
 217
 218     switch (c3) {
 219         case '=': return '#';
 220         case '/': return '\\';
 221         case '\'': return '^';
 222         case '(': return '[';
 223         case ')': return ']';
 224         case '!': return '|';
 225         case '<': return '{';
 226         case '>': return '}';
 227         case '-': return '~';
 228         default:
 229             lex_ungetch(lex, c3);
 230             lex_ungetch(lex, c2);
 231             return old;
 232     }
 233 }
 234
 235 static int lex_try_digraph(lex_file *lex, int ch)
 236 {
 237     int c2;
 238     c2 = lex_fgetc(lex);
 239     /* we just used fgetc() so count lines
 240      * need to offset a \n the ungetch would recognize
 241      */
 242     if (!lex->push_line && c2 == '\n')
 243         lex->line++;
 244     if      (ch == '<' && c2 == ':')
 245         return '[';
 246     else if (ch == ':' && c2 == '>')
 247         return ']';
 248     else if (ch == '<' && c2 == '%')
 249         return '{';
 250     else if (ch == '%' && c2 == '>')
 251         return '}';
 252     else if (ch == '%' && c2 == ':')
 253         return '#';
 254     lex_ungetch(lex, c2);
 255     return ch;
 256 }
 257
 258 static int lex_getch(lex_file *lex)
 259 {
 260     int ch;
 261
 262     if (lex->peekpos) {
 263         lex->peekpos--;
 264         if (!lex->push_line && lex->peek[lex->peekpos] == '\n') {
 265             lex->line++;
 266             lex->column = 0;
 267         }
 268         return lex->peek[lex->peekpos];
 269     }
 270
 271     ch = lex_fgetc(lex);
 272     if (!lex->push_line && ch == '\n') {
 273         lex->line++;
 274         lex->column = 0;
 275     }
 276     else if (ch == '?')
 277         return lex_try_trigraph(lex, ch);
 278     else if (!lex->flags.nodigraphs && (ch == '<' || ch == ':' || ch == '%'))
 279         return lex_try_digraph(lex, ch);
 280     return ch;
 281 }
 282
 283 static void lex_ungetch(lex_file *lex, int ch)
 284 {
 285     lex->peek[lex->peekpos++] = ch;
 286     lex->column--;
 287     if (!lex->push_line && ch == '\n') {
 288         lex->line--;
 289         lex->column = 0;
 290     }
 291 }
 292
 293 /* classify characters
 294  * some additions to the is*() functions of ctype.h
 295  */
 296
 297 /* Idents are alphanumberic, but they start with alpha or _ */
 298 static bool isident_start(int ch)
 299 {
 300     return util_isalpha(ch) || ch == '_';
 301 }
 302
 303 static bool isident(int ch)
 304 {
 305     return isident_start(ch) || util_isdigit(ch);
 306 }
 307
 308 /* isxdigit_only is used when we already know it's not a digit
 309  * and want to see if it's a hex digit anyway.
 310  */
 311 static bool isxdigit_only(int ch)
 312 {
 313     return (ch >= 'a' && ch <= 'f') || (ch >= 'A' && ch <= 'F');
 314 }
 315
 316 /* Append a character to the token buffer */
 317 static void lex_tokench(lex_file *lex, int ch)
 318 {
 319     vec_push(lex->tok.value, ch);
 320 }
 321
 322 /* Append a trailing null-byte */
 323 static void lex_endtoken(lex_file *lex)
 324 {
 325     vec_push(lex->tok.value, 0);
 326     vec_shrinkby(lex->tok.value, 1);
 327 }
 328
 329 static bool lex_try_pragma(lex_file *lex)
 330 {
 331     int ch;
 332     char *pragma  = nullptr;
 333     char *command = nullptr;
 334     char *param   = nullptr;
 335     size_t line;
 336
 337     if (lex->flags.preprocessing)
 338         return false;
 339
 340     line = lex->line;
 341
 342     ch = lex_getch(lex);
 343     if (ch != '#') {
 344         lex_ungetch(lex, ch);
 345         return false;
 346     }
 347
 348     for (ch = lex_getch(lex); vec_size(pragma) < 8 && ch >= 'a' && ch <= 'z'; ch = lex_getch(lex))
 349         vec_push(pragma, ch);
 350     vec_push(pragma, 0);
 351
 352     if (ch != ' ' || strcmp(pragma, "pragma")) {
 353         lex_ungetch(lex, ch);
 354         goto unroll;
 355     }
 356
 357     for (ch = lex_getch(lex); vec_size(command) < 32 && ch >= 'a' && ch <= 'z'; ch = lex_getch(lex))
 358         vec_push(command, ch);
 359     vec_push(command, 0);
 360
 361     if (ch != '(') {
 362         lex_ungetch(lex, ch);
 363         goto unroll;
 364     }
 365
 366     for (ch = lex_getch(lex); vec_size(param) < 1024 && ch != ')' && ch != '\n'; ch = lex_getch(lex))
 367         vec_push(param, ch);
 368     vec_push(param, 0);
 369
 370     if (ch != ')') {
 371         lex_ungetch(lex, ch);
 372         goto unroll;
 373     }
 374
 375     if (!strcmp(command, "push")) {
 376         if (!strcmp(param, "line")) {
 377             lex->push_line++;
 378             if (lex->push_line == 1)
 379                 --line;
 380         }
 381         else
 382             goto unroll;
 383     }
 384     else if (!strcmp(command, "pop")) {
 385         if (!strcmp(param, "line")) {
 386             if (lex->push_line)
 387                 lex->push_line--;
 388             if (lex->push_line == 0)
 389                 --line;
 390         }
 391         else
 392             goto unroll;
 393     }
 394     else if (!strcmp(command, "file")) {
 395         lex->name = util_strdup(param);
 396         vec_push(lex_filenames, lex->name);
 397     }
 398     else if (!strcmp(command, "line")) {
 399         line = strtol(param, nullptr, 0)-1;
 400     }
 401     else
 402         goto unroll;
 403
 404     lex->line = line;
 405     while (ch != '\n' && ch != EOF)
 406         ch = lex_getch(lex);
 407     vec_free(command);
 408     vec_free(param);
 409     vec_free(pragma);
 410     return true;
 411
 412 unroll:
 413     if (command) {
 414         vec_pop(command);
 415         while (vec_size(command)) {
 416             lex_ungetch(lex, (unsigned char)vec_last(command));
 417             vec_pop(command);
 418         }
 419         vec_free(command);
 420         lex_ungetch(lex, ' ');
 421     }
 422     if (param) {
 423         vec_pop(param);
 424         while (vec_size(param)) {
 425             lex_ungetch(lex, (unsigned char)vec_last(param));
 426             vec_pop(param);
 427         }
 428         vec_free(param);
 429         lex_ungetch(lex, ' ');
 430     }
 431     if (pragma) {
 432         vec_pop(pragma);
 433         while (vec_size(pragma)) {
 434             lex_ungetch(lex, (unsigned char)vec_last(pragma));
 435             vec_pop(pragma);
 436         }
 437         vec_free(pragma);
 438     }
 439     lex_ungetch(lex, '#');
 440
 441     lex->line = line;
 442     return false;
 443 }
 444
 445 /* Skip whitespace and comments and return the first
 446  * non-white character.
 447  * As this makes use of the above getch() ungetch() functions,
 448  * we don't need to care at all about line numbering anymore.
 449  *
 450  * In theory, this function should only be used at the beginning
 451  * of lexing, or when we *know* the next character is part of the token.
 452  * Otherwise, if the parser throws an error, the linenumber may not be
 453  * the line of the error, but the line of the next token AFTER the error.
 454  *
 455  * This is currently only problematic when using c-like string-continuation,
 456  * since comments and whitespaces are allowed between 2 such strings.
 457  * Example:
 458 printf(   "line one\n"
 459 // A comment
 460           "A continuation of the previous string"
 461 // This line is skipped
 462       , foo);
 463
 464  * In this case, if the parse decides it didn't actually want a string,
 465  * and uses lex->line to print an error, it will show the ', foo);' line's
 466  * linenumber.
 467  *
 468  * On the other hand, the parser is supposed to remember the line of the next
 469  * token's beginning. In this case we would want skipwhite() to be called
 470  * AFTER reading a token, so that the parser, before reading the NEXT token,
 471  * doesn't store teh *comment's* linenumber, but the actual token's linenumber.
 472  *
 473  * THIS SOLUTION
 474  *    here is to store the line of the first character after skipping
 475  *    the initial whitespace in lex->sline, this happens in lex_do.
 476  */
 477 static int lex_skipwhite(lex_file *lex, bool hadwhite)
 478 {
 479     int ch = 0;
 480     bool haswhite = hadwhite;
 481
 482     do
 483     {
 484         ch = lex_getch(lex);
 485         while (ch != EOF && util_isspace(ch)) {
 486             if (ch == '\n') {
 487                 if (lex_try_pragma(lex))
 488                     continue;
 489             }
 490             if (lex->flags.preprocessing) {
 491                 if (ch == '\n') {
 492                     /* end-of-line */
 493                     /* see if there was whitespace first */
 494                     if (haswhite) { /* (vec_size(lex->tok.value)) { */
 495                         lex_ungetch(lex, ch);
 496                         lex_endtoken(lex);
 497                         return TOKEN_WHITE;
 498                     }
 499                     /* otherwise return EOL */
 500                     return TOKEN_EOL;
 501                 }
 502                 haswhite = true;
 503                 lex_tokench(lex, ch);
 504             }
 505             ch = lex_getch(lex);
 506         }
 507
 508         if (ch == '/') {
 509             ch = lex_getch(lex);
 510             if (ch == '/')
 511             {
 512                 /* one line comment */
 513                 ch = lex_getch(lex);
 514
 515                 if (lex->flags.preprocessing) {
 516                     haswhite = true;
 517                     lex_tokench(lex, ' ');
 518                     lex_tokench(lex, ' ');
 519                 }
 520
 521                 while (ch != EOF && ch != '\n') {
 522                     if (lex->flags.preprocessing)
 523                         lex_tokench(lex, ' '); /* ch); */
 524                     ch = lex_getch(lex);
 525                 }
 526                 if (lex->flags.preprocessing) {
 527                     lex_ungetch(lex, '\n');
 528                     lex_endtoken(lex);
 529                     return TOKEN_WHITE;
 530                 }
 531                 continue;
 532             }
 533             if (ch == '*')
 534             {
 535                 /* multiline comment */
 536                 if (lex->flags.preprocessing) {
 537                     haswhite = true;
 538                     lex_tokench(lex, ' ');
 539                     lex_tokench(lex, ' ');
 540                 }
 541
 542                 while (ch != EOF)
 543                 {
 544                     ch = lex_getch(lex);
 545                     if (ch == '*') {
 546                         ch = lex_getch(lex);
 547                         if (ch == '/') {
 548                             if (lex->flags.preprocessing) {
 549                                 lex_tokench(lex, ' ');
 550                                 lex_tokench(lex, ' ');
 551                             }
 552                             break;
 553                         }
 554                         lex_ungetch(lex, ch);
 555                     }
 556                     if (lex->flags.preprocessing) {
 557                         if (ch == '\n')
 558                             lex_tokench(lex, '\n');
 559                         else
 560                             lex_tokench(lex, ' ');
 561                     }
 562                 }
 563                 ch = ' '; /* cause TRUE in the isspace check */
 564                 continue;
 565             }
 566             /* Otherwise roll back to the slash and break out of the loop */
 567             lex_ungetch(lex, ch);
 568             ch = '/';
 569             break;
 570         }
 571     } while (ch != EOF && util_isspace(ch));
 572
 573     if (haswhite) {
 574         lex_endtoken(lex);
 575         lex_ungetch(lex, ch);
 576         return TOKEN_WHITE;
 577     }
 578     return ch;
 579 }
 580
 581 /* Get a token */
 582 static bool GMQCC_WARN lex_finish_ident(lex_file *lex)
 583 {
 584     int ch;
 585
 586     ch = lex_getch(lex);
 587     while (ch != EOF && isident(ch))
 588     {
 589         lex_tokench(lex, ch);
 590         ch = lex_getch(lex);
 591     }
 592
 593     /* last ch was not an ident ch: */
 594     lex_ungetch(lex, ch);
 595
 596     return true;
 597 }
 598
 599 /* read one ident for the frame list */
 600 static int lex_parse_frame(lex_file *lex)
 601 {
 602     int ch;
 603
 604     lex_token_new(lex);
 605
 606     ch = lex_getch(lex);
 607     while (ch != EOF && ch != '\n' && util_isspace(ch))
 608         ch = lex_getch(lex);
 609
 610     if (ch == '\n')
 611         return 1;
 612
 613     if (!isident_start(ch)) {
 614         lexerror(lex, "invalid framename, must start with one of a-z or _, got %c", ch);
 615         return -1;
 616     }
 617
 618     lex_tokench(lex, ch);
 619     if (!lex_finish_ident(lex))
 620         return -1;
 621     lex_endtoken(lex);
 622     return 0;
 623 }
 624
 625 /* read a list of $frames */
 626 static bool lex_finish_frames(lex_file *lex)
 627 {
 628     do {
 629         size_t i;
 630         int    rc;
 631         frame_macro m;
 632
 633         rc = lex_parse_frame(lex);
 634         if (rc > 0) /* end of line */
 635             return true;
 636         if (rc < 0) /* error */
 637             return false;
 638
 639         for (i = 0; i < vec_size(lex->frames); ++i) {
 640             if (!strcmp(lex->tok.value, lex->frames[i].name)) {
 641                 lex->frames[i].value = lex->framevalue++;
 642                 if (lexwarn(lex, WARN_FRAME_MACROS, "duplicate frame macro defined: `%s`", lex->tok.value))
 643                     return false;
 644                 break;
 645             }
 646         }
 647         if (i < vec_size(lex->frames))
 648             continue;
 649
 650         m.value = lex->framevalue++;
 651         m.name = util_strdup(lex->tok.value);
 652         vec_shrinkto(lex->tok.value, 0);
 653         vec_push(lex->frames, m);
 654     } while (true);
 655
 656     return false;
 657 }
 658
 659 static int GMQCC_WARN lex_finish_string(lex_file *lex, int quote)
 660 {
 661     utf8ch_t chr = 0;
 662     int ch = 0, texttype = 0;
 663     int nextch;
 664     bool hex;
 665     bool oct;
 666     char u8buf[8]; /* way more than enough */
 667     int  u8len, uc;
 668
 669     while (ch != EOF)
 670     {
 671         ch = lex_getch(lex);
 672         if (ch == quote)
 673             return TOKEN_STRINGCONST;
 674
 675         if (lex->flags.preprocessing && ch == '\\') {
 676             lex_tokench(lex, ch);
 677             ch = lex_getch(lex);
 678             if (ch == EOF) {
 679                 lexerror(lex, "unexpected end of file");
 680                 lex_ungetch(lex, EOF); /* next token to be TOKEN_EOF */
 681                 return (lex->tok.ttype = TOKEN_ERROR);
 682             }
 683             lex_tokench(lex, ch);
 684         }
 685         else if (ch == '\\') {
 686             ch = lex_getch(lex);
 687             if (ch == EOF) {
 688                 lexerror(lex, "unexpected end of file");
 689                 lex_ungetch(lex, EOF); /* next token to be TOKEN_EOF */
 690                 return (lex->tok.ttype = TOKEN_ERROR);
 691             }
 692
 693             switch (ch) {
 694             case '\\': break;
 695             case '\'': break;
 696             case '"':  break;
 697             case 'a': ch = '\a'; break;
 698             case 'r': ch = '\r'; break;
 699             case 'n': ch = '\n'; break;
 700             case 't': ch = '\t'; break;
 701             case 'f': ch = '\f'; break;
 702             case 'v': ch = '\v'; break;
 703             case 'x':
 704             case 'X':
 705                 /* same procedure as in fteqcc */
 706                 ch = 0;
 707                 nextch = lex_getch(lex);
 708                 if      (nextch >= '0' && nextch <= '9')
 709                     ch += nextch - '0';
 710                 else if (nextch >= 'a' && nextch <= 'f')
 711                     ch += nextch - 'a' + 10;
 712                 else if (nextch >= 'A' && nextch <= 'F')
 713                     ch += nextch - 'A' + 10;
 714                 else {
 715                     lexerror(lex, "bad character code");
 716                     lex_ungetch(lex, nextch);
 717                     return (lex->tok.ttype = TOKEN_ERROR);
 718                 }
 719
 720                 ch *= 0x10;
 721                 nextch = lex_getch(lex);
 722                 if      (nextch >= '0' && nextch <= '9')
 723                     ch += nextch - '0';
 724                 else if (nextch >= 'a' && nextch <= 'f')
 725                     ch += nextch - 'a' + 10;
 726                 else if (nextch >= 'A' && nextch <= 'F')
 727                     ch += nextch - 'A' + 10;
 728                 else {
 729                     lexerror(lex, "bad character code");
 730                     lex_ungetch(lex, nextch);
 731                     return (lex->tok.ttype = TOKEN_ERROR);
 732                 }
 733                 break;
 734
 735             /* fteqcc support */
 736             case '0': case '1': case '2': case '3':
 737             case '4': case '5': case '6': case '7':
 738             case '8': case '9':
 739                 ch = 18 + ch - '0';
 740                 break;
 741             case '<':  ch = 29; break;
 742             case '-':  ch = 30; break;
 743             case '>':  ch = 31; break;
 744             case '[':  ch = 16; break;
 745             case ']':  ch = 17; break;
 746             case '{':
 747                 chr = 0;
 748                 nextch = lex_getch(lex);
 749                 hex = (nextch == 'x');
 750                 oct = (nextch == '0');
 751                 if (!hex && !oct)
 752                     lex_ungetch(lex, nextch);
 753                 for (nextch = lex_getch(lex); nextch != '}'; nextch = lex_getch(lex)) {
 754                     if (!hex && !oct) {
 755                         if (nextch >= '0' && nextch <= '9')
 756                             chr = chr * 10 + nextch - '0';
 757                         else {
 758                             lexerror(lex, "bad character code");
 759                             return (lex->tok.ttype = TOKEN_ERROR);
 760                         }
 761                     } else if (!oct) {
 762                         if (nextch >= '0' && nextch <= '9')
 763                             chr = chr * 0x10 + nextch - '0';
 764                         else if (nextch >= 'a' && nextch <= 'f')
 765                             chr = chr * 0x10 + nextch - 'a' + 10;
 766                         else if (nextch >= 'A' && nextch <= 'F')
 767                             chr = chr * 0x10 + nextch - 'A' + 10;
 768                         else {
 769                             lexerror(lex, "bad character code");
 770                             return (lex->tok.ttype = TOKEN_ERROR);
 771                         }
 772                     } else {
 773                         if (nextch >= '0' && nextch <= '9')
 774                             chr = chr * 8 + chr - '0';
 775                         else {
 776                             lexerror(lex, "bad character code");
 777                             return (lex->tok.ttype = TOKEN_ERROR);
 778                         }
 779                     }
 780                     if (chr > 0x10FFFF || (!OPTS_FLAG(UTF8) && chr > 255))
 781                     {
 782                         lexerror(lex, "character code out of range");
 783                         return (lex->tok.ttype = TOKEN_ERROR);
 784                     }
 785                 }
 786                 if (OPTS_FLAG(UTF8) && chr >= 128) {
 787                     u8len = utf8_from(u8buf, chr);
 788                     if (!u8len)
 789                         ch = 0;
 790                     else {
 791                         --u8len;
 792                         lex->column += u8len;
 793                         for (uc = 0; uc < u8len; ++uc)
 794                             lex_tokench(lex, u8buf[uc]);
 795                         /*
 796                          * the last character will be inserted with the tokench() call
 797                          * below the switch
 798                          */
 799                         ch = u8buf[uc];
 800                     }
 801                 }
 802                 else
 803                     ch = chr;
 804                 break;
 805
 806             /* high bit text */
 807             case 'b': case 's':
 808                 texttype ^= 128;
 809                 continue;
 810
 811             case '\n':
 812                 ch = '\n';
 813                 break;
 814
 815             default:
 816                 lexwarn(lex, WARN_UNKNOWN_CONTROL_SEQUENCE, "unrecognized control sequence: \\%c", ch);
 817                 /* so we just add the character plus backslash no matter what it actually is */
 818                 lex_tokench(lex, '\\');
 819             }
 820             /* add the character finally */
 821             lex_tokench(lex, ch | texttype);
 822         }
 823         else
 824             lex_tokench(lex, ch);
 825     }
 826     lexerror(lex, "unexpected end of file within string constant");
 827     lex_ungetch(lex, EOF); /* next token to be TOKEN_EOF */
 828     return (lex->tok.ttype = TOKEN_ERROR);
 829 }
 830
 831 static int GMQCC_WARN lex_finish_digit(lex_file *lex, int lastch)
 832 {
 833     bool ishex = false;
 834     bool isoct = false;
 835
 836     int  ch = lastch;
 837
 838     /* parse a number... */
 839     if (ch == '.')
 840         lex->tok.ttype = TOKEN_FLOATCONST;
 841     else
 842         lex->tok.ttype = TOKEN_INTCONST;
 843
 844     lex_tokench(lex, ch);
 845
 846     ch = lex_getch(lex);
 847
 848     if (lastch == '0' && util_isdigit(ch)) {
 849       if (ch < '0' || ch > '7') {
 850         lexerror(lex, "invalid octal constant");
 851         return (lex->tok.ttype = TOKEN_ERROR);
 852       }
 853       isoct = true;
 854     }
 855
 856     if (!isoct && ch != '.' && !util_isdigit(ch))
 857     {
 858         if (lastch != '0' || ch != 'x')
 859         {
 860             /* end of the number or EOF */
 861             lex_ungetch(lex, ch);
 862             lex_endtoken(lex);
 863
 864             lex->tok.constval.i = lastch - '0';
 865             return lex->tok.ttype;
 866         }
 867
 868         ishex = true;
 869     }
 870
 871     /* EOF would have been caught above */
 872
 873     if (ch != '.')
 874     {
 875         lex_tokench(lex, ch);
 876         ch = lex_getch(lex);
 877         while (util_isdigit(ch) || (ishex && isxdigit_only(ch)))
 878         {
 879             lex_tokench(lex, ch);
 880             ch = lex_getch(lex);
 881         }
 882     }
 883     /* NOT else, '.' can come from above as well */
 884     if (lex->tok.ttype != TOKEN_FLOATCONST && ch == '.' && !ishex)
 885     {
 886         /* Allow floating comma in non-hex mode */
 887         lex->tok.ttype = TOKEN_FLOATCONST;
 888         lex_tokench(lex, ch);
 889
 890         /* continue digits-only */
 891         ch = lex_getch(lex);
 892         while (util_isdigit(ch))
 893         {
 894             lex_tokench(lex, ch);
 895             ch = lex_getch(lex);
 896         }
 897     }
 898     /* put back the last character */
 899     /* but do not put back the trailing 'f' or a float */
 900     if (lex->tok.ttype == TOKEN_FLOATCONST && ch == 'f')
 901         ch = lex_getch(lex);
 902
 903     /* generally we don't want words to follow numbers: */
 904     if (isident(ch)) {
 905         lexerror(lex, "unexpected trailing characters after number");
 906         return (lex->tok.ttype = TOKEN_ERROR);
 907     }
 908     lex_ungetch(lex, ch);
 909
 910     lex_endtoken(lex);
 911     if (lex->tok.ttype == TOKEN_FLOATCONST) {
 912         lex->tok.constval.f = strtod(lex->tok.value, nullptr);
 913     } else {
 914       /* determine base for strtol */
 915       int base = 10;
 916       if (ishex) base = 16;
 917       if (isoct) base = 8;
 918       lex->tok.constval.i = strtol(lex->tok.value, nullptr, base);
 919     }
 920     return lex->tok.ttype;
 921 }
 922
 923 int lex_do(lex_file *lex)
 924 {
 925     int ch, nextch, thirdch;
 926     bool hadwhite = false;
 927
 928     lex_token_new(lex);
 929
 930     while (true) {
 931         ch = lex_skipwhite(lex, hadwhite);
 932         hadwhite = true;
 933         if (!lex->flags.mergelines || ch != '\\')
 934             break;
 935         ch = lex_getch(lex);
 936         if (ch == '\r')
 937             ch = lex_getch(lex);
 938         if (ch != '\n') {
 939             lex_ungetch(lex, ch);
 940             ch = '\\';
 941             break;
 942         }
 943         /* we reached a linemerge */
 944         lex_tokench(lex, '\n');
 945         continue;
 946     }
 947
 948     if (lex->flags.preprocessing && (ch == TOKEN_WHITE || ch == TOKEN_EOL || ch == TOKEN_FATAL)) {
 949         return (lex->tok.ttype = ch);
 950     }
 951
 952     lex->sline = lex->line;
 953     lex->tok.ctx.line = lex->sline;
 954     lex->tok.ctx.file = lex->name;
 955
 956     if (lex->eof)
 957         return (lex->tok.ttype = TOKEN_FATAL);
 958
 959     if (ch == EOF) {
 960         lex->eof = true;
 961         return (lex->tok.ttype = TOKEN_EOF);
 962     }
 963
 964     /* modelgen / spiritgen commands */
 965     if (ch == '$' && !lex->flags.preprocessing) {
 966         const char *v;
 967         size_t frame;
 968
 969         ch = lex_getch(lex);
 970         if (!isident_start(ch)) {
 971             lexerror(lex, "hanging '$' modelgen/spritegen command line");
 972             return lex_do(lex);
 973         }
 974         lex_tokench(lex, ch);
 975         if (!lex_finish_ident(lex))
 976             return (lex->tok.ttype = TOKEN_ERROR);
 977         lex_endtoken(lex);
 978         /* skip the known commands */
 979         v = lex->tok.value;
 980
 981         if (!strcmp(v, "frame") || !strcmp(v, "framesave"))
 982         {
 983             /* frame/framesave command works like an enum
 984              * similar to fteqcc we handle this in the lexer.
 985              * The reason for this is that it is sensitive to newlines,
 986              * which the parser is unaware of
 987              */
 988             if (!lex_finish_frames(lex))
 989                  return (lex->tok.ttype = TOKEN_ERROR);
 990             return lex_do(lex);
 991         }
 992
 993         if (!strcmp(v, "framevalue"))
 994         {
 995             ch = lex_getch(lex);
 996             while (ch != EOF && util_isspace(ch) && ch != '\n')
 997                 ch = lex_getch(lex);
 998
 999             if (!util_isdigit(ch)) {
1000                 lexerror(lex, "$framevalue requires an integer parameter");
1001                 return lex_do(lex);
1002             }
1003
1004             lex_token_new(lex);
1005             lex->tok.ttype = lex_finish_digit(lex, ch);
1006             lex_endtoken(lex);
1007             if (lex->tok.ttype != TOKEN_INTCONST) {
1008                 lexerror(lex, "$framevalue requires an integer parameter");
1009                 return lex_do(lex);
1010             }
1011             lex->framevalue = lex->tok.constval.i;
1012             return lex_do(lex);
1013         }
1014
1015         if (!strcmp(v, "framerestore"))
1016         {
1017             int rc;
1018
1019             lex_token_new(lex);
1020
1021             rc = lex_parse_frame(lex);
1022
1023             if (rc > 0) {
1024                 lexerror(lex, "$framerestore requires a framename parameter");
1025                 return lex_do(lex);
1026             }
1027             if (rc < 0)
1028                 return (lex->tok.ttype = TOKEN_FATAL);
1029
1030             v = lex->tok.value;
1031             for (frame = 0; frame < vec_size(lex->frames); ++frame) {
1032                 if (!strcmp(v, lex->frames[frame].name)) {
1033                     lex->framevalue = lex->frames[frame].value;
1034                     return lex_do(lex);
1035                 }
1036             }
1037             lexerror(lex, "unknown framename `%s`", v);
1038             return lex_do(lex);
1039         }
1040
1041         if (!strcmp(v, "modelname"))
1042         {
1043             int rc;
1044
1045             lex_token_new(lex);
1046
1047             rc = lex_parse_frame(lex);
1048
1049             if (rc > 0) {
1050                 lexerror(lex, "$modelname requires a parameter");
1051                 return lex_do(lex);
1052             }
1053             if (rc < 0)
1054                 return (lex->tok.ttype = TOKEN_FATAL);
1055
1056             if (lex->modelname) {
1057                 frame_macro m;
1058                 m.value = lex->framevalue;
1059                 m.name = lex->modelname;
1060                 lex->modelname = nullptr;
1061                 vec_push(lex->frames, m);
1062             }
1063             lex->modelname = lex->tok.value;
1064             lex->tok.value = nullptr;
1065             return lex_do(lex);
1066         }
1067
1068         if (!strcmp(v, "flush"))
1069         {
1070             size_t fi;
1071             for (fi = 0; fi < vec_size(lex->frames); ++fi)
1072                 mem_d(lex->frames[fi].name);
1073             vec_free(lex->frames);
1074             /* skip line (fteqcc does it too) */
1075             ch = lex_getch(lex);
1076             while (ch != EOF && ch != '\n')
1077                 ch = lex_getch(lex);
1078             return lex_do(lex);
1079         }
1080
1081         if (!strcmp(v, "cd") ||
1082             !strcmp(v, "origin") ||
1083             !strcmp(v, "base") ||
1084             !strcmp(v, "flags") ||
1085             !strcmp(v, "scale") ||
1086             !strcmp(v, "skin"))
1087         {
1088             /* skip line */
1089             ch = lex_getch(lex);
1090             while (ch != EOF && ch != '\n')
1091                 ch = lex_getch(lex);
1092             return lex_do(lex);
1093         }
1094
1095         for (frame = 0; frame < vec_size(lex->frames); ++frame) {
1096             if (!strcmp(v, lex->frames[frame].name)) {
1097                 lex->tok.constval.i = lex->frames[frame].value;
1098                 return (lex->tok.ttype = TOKEN_INTCONST);
1099             }
1100         }
1101
1102         lexerror(lex, "invalid frame macro");
1103         return lex_do(lex);
1104     }
1105
1106     /* single-character tokens */
1107     switch (ch)
1108     {
1109         case '[':
1110             nextch = lex_getch(lex);
1111             if (nextch == '[') {
1112                 lex_tokench(lex, ch);
1113                 lex_tokench(lex, nextch);
1114                 lex_endtoken(lex);
1115                 return (lex->tok.ttype = TOKEN_ATTRIBUTE_OPEN);
1116             }
1117             lex_ungetch(lex, nextch);
1118             /* FALL THROUGH */
1119         case '(':
1120         case ':':
1121         case '?':
1122             lex_tokench(lex, ch);
1123             lex_endtoken(lex);
1124             if (lex->flags.noops)
1125                 return (lex->tok.ttype = ch);
1126             else
1127                 return (lex->tok.ttype = TOKEN_OPERATOR);
1128
1129         case ']':
1130             if (lex->flags.noops) {
1131                 nextch = lex_getch(lex);
1132                 if (nextch == ']') {
1133                     lex_tokench(lex, ch);
1134                     lex_tokench(lex, nextch);
1135                     lex_endtoken(lex);
1136                     return (lex->tok.ttype = TOKEN_ATTRIBUTE_CLOSE);
1137                 }
1138                 lex_ungetch(lex, nextch);
1139             }
1140             /* FALL THROUGH */
1141         case ')':
1142         case ';':
1143         case '{':
1144         case '}':
1145
1146         case '#':
1147             lex_tokench(lex, ch);
1148             lex_endtoken(lex);
1149             return (lex->tok.ttype = ch);
1150         default:
1151             break;
1152     }
1153
1154     if (ch == '.') {
1155         nextch = lex_getch(lex);
1156         /* digits starting with a dot */
1157         if (util_isdigit(nextch)) {
1158             lex_ungetch(lex, nextch);
1159             lex->tok.ttype = lex_finish_digit(lex, ch);
1160             lex_endtoken(lex);
1161             return lex->tok.ttype;
1162         }
1163         lex_ungetch(lex, nextch);
1164     }
1165
1166     if (lex->flags.noops)
1167     {
1168         /* Detect characters early which are normally
1169          * operators OR PART of an operator.
1170          */
1171         switch (ch)
1172         {
1173             case '*':
1174             case '/':
1175             case '<':
1176             case '>':
1177             case '=':
1178             case '&':
1179             case '|':
1180             case '^':
1181             case '~':
1182             case ',':
1183             case '!':
1184                 lex_tokench(lex, ch);
1185                 lex_endtoken(lex);
1186                 return (lex->tok.ttype = ch);
1187             default:
1188                 break;
1189         }
1190     }
1191
1192     if (ch == '.')
1193     {
1194         lex_tokench(lex, ch);
1195         /* peak ahead once */
1196         nextch = lex_getch(lex);
1197         if (nextch != '.') {
1198             lex_ungetch(lex, nextch);
1199             lex_endtoken(lex);
1200             if (lex->flags.noops)
1201                 return (lex->tok.ttype = ch);
1202             else
1203                 return (lex->tok.ttype = TOKEN_OPERATOR);
1204         }
1205         /* peak ahead again */
1206         nextch = lex_getch(lex);
1207         if (nextch != '.') {
1208             lex_ungetch(lex, nextch);
1209             lex_ungetch(lex, '.');
1210             lex_endtoken(lex);
1211             if (lex->flags.noops)
1212                 return (lex->tok.ttype = ch);
1213             else
1214                 return (lex->tok.ttype = TOKEN_OPERATOR);
1215         }
1216         /* fill the token to be "..." */
1217         lex_tokench(lex, ch);
1218         lex_tokench(lex, ch);
1219         lex_endtoken(lex);
1220         return (lex->tok.ttype = TOKEN_DOTS);
1221     }
1222
1223     if (ch == ',' || ch == '.') {
1224         lex_tokench(lex, ch);
1225         lex_endtoken(lex);
1226         return (lex->tok.ttype = TOKEN_OPERATOR);
1227     }
1228
1229     if (ch == '+' || ch == '-' || /* ++, --, +=, -=  and -> as well! */
1230         ch == '>' || ch == '<' || /* <<, >>, <=, >=  and >< as well! */
1231         ch == '=' || ch == '!' || /* <=>, ==, !=                     */
1232         ch == '&' || ch == '|' || /* &&, ||, &=, |=                  */
1233         ch == '~' || ch == '^'    /* ~=, ~, ^                        */
1234     )  {
1235         lex_tokench(lex, ch);
1236         nextch = lex_getch(lex);
1237
1238         if ((nextch == '=' && ch != '<') || (nextch == '<' && ch == '>'))
1239             lex_tokench(lex, nextch);
1240         else if (nextch == ch && ch != '!') {
1241             lex_tokench(lex, nextch);
1242             if ((thirdch = lex_getch(lex)) == '=')
1243                 lex_tokench(lex, thirdch);
1244             else
1245                 lex_ungetch(lex, thirdch);
1246         } else if (ch == '<' && nextch == '=') {
1247             lex_tokench(lex, nextch);
1248             if ((thirdch = lex_getch(lex)) == '>')
1249                 lex_tokench(lex, thirdch);
1250             else
1251                 lex_ungetch(lex, thirdch);
1252
1253         } else if (ch == '-' && nextch == '>') {
1254             lex_tokench(lex, nextch);
1255         } else if (ch == '&' && nextch == '~') {
1256             thirdch = lex_getch(lex);
1257             if (thirdch != '=') {
1258                 lex_ungetch(lex, thirdch);
1259                 lex_ungetch(lex, nextch);
1260             }
1261             else {
1262                 lex_tokench(lex, nextch);
1263                 lex_tokench(lex, thirdch);
1264             }
1265         }
1266         else if (lex->flags.preprocessing &&
1267                  ch == '-' && util_isdigit(nextch))
1268         {
1269             lex->tok.ttype = lex_finish_digit(lex, nextch);
1270             if (lex->tok.ttype == TOKEN_INTCONST)
1271                 lex->tok.constval.i = -lex->tok.constval.i;
1272             else
1273                 lex->tok.constval.f = -lex->tok.constval.f;
1274             lex_endtoken(lex);
1275             return lex->tok.ttype;
1276         } else {
1277             lex_ungetch(lex, nextch);
1278         }
1279
1280         lex_endtoken(lex);
1281         return (lex->tok.ttype = TOKEN_OPERATOR);
1282     }
1283
1284     if (ch == '*' || ch == '/') /* *=, /= */
1285     {
1286         lex_tokench(lex, ch);
1287
1288         nextch = lex_getch(lex);
1289         if (nextch == '=' || nextch == '*') {
1290             lex_tokench(lex, nextch);
1291         } else
1292             lex_ungetch(lex, nextch);
1293
1294         lex_endtoken(lex);
1295         return (lex->tok.ttype = TOKEN_OPERATOR);
1296     }
1297
1298     if (ch == '%') {
1299         lex_tokench(lex, ch);
1300         lex_endtoken(lex);
1301         return (lex->tok.ttype = TOKEN_OPERATOR);
1302     }
1303
1304     if (isident_start(ch))
1305     {
1306         const char *v;
1307
1308         lex_tokench(lex, ch);
1309         if (!lex_finish_ident(lex)) {
1310             /* error? */
1311             return (lex->tok.ttype = TOKEN_ERROR);
1312         }
1313         lex_endtoken(lex);
1314         lex->tok.ttype = TOKEN_IDENT;
1315
1316         v = lex->tok.value;
1317         if (!strcmp(v, "void")) {
1318             lex->tok.ttype = TOKEN_TYPENAME;
1319             lex->tok.constval.t = TYPE_VOID;
1320         } else if (!strcmp(v, "int")) {
1321             lex->tok.ttype = TOKEN_TYPENAME;
1322             lex->tok.constval.t = TYPE_INTEGER;
1323         } else if (!strcmp(v, "float")) {
1324             lex->tok.ttype = TOKEN_TYPENAME;
1325             lex->tok.constval.t = TYPE_FLOAT;
1326         } else if (!strcmp(v, "string")) {
1327             lex->tok.ttype = TOKEN_TYPENAME;
1328             lex->tok.constval.t = TYPE_STRING;
1329         } else if (!strcmp(v, "entity")) {
1330             lex->tok.ttype = TOKEN_TYPENAME;
1331             lex->tok.constval.t = TYPE_ENTITY;
1332         } else if (!strcmp(v, "vector")) {
1333             lex->tok.ttype = TOKEN_TYPENAME;
1334             lex->tok.constval.t = TYPE_VECTOR;
1335         } else if (!strcmp(v, "_length")) {
1336             lex->tok.ttype = TOKEN_OPERATOR;
1337         } else {
1338             size_t kw;
1339             for (kw = 0; kw < GMQCC_ARRAY_COUNT(keywords_qc); ++kw) {
1340                 if (!strcmp(v, keywords_qc[kw]))
1341                     return (lex->tok.ttype = TOKEN_KEYWORD);
1342             }
1343             if (OPTS_OPTION_U32(OPTION_STANDARD) != COMPILER_QCC) {
1344                 for (kw = 0; kw < GMQCC_ARRAY_COUNT(keywords_fg); ++kw) {
1345                     if (!strcmp(v, keywords_fg[kw]))
1346                         return (lex->tok.ttype = TOKEN_KEYWORD);
1347                 }
1348             }
1349         }
1350
1351         return lex->tok.ttype;
1352     }
1353
1354     if (ch == '"')
1355     {
1356         lex->flags.nodigraphs = true;
1357         if (lex->flags.preprocessing)
1358             lex_tokench(lex, ch);
1359         lex->tok.ttype = lex_finish_string(lex, '"');
1360         if (lex->flags.preprocessing)
1361             lex_tokench(lex, ch);
1362         while (!lex->flags.preprocessing && lex->tok.ttype == TOKEN_STRINGCONST)
1363         {
1364             /* Allow c style "string" "continuation" */
1365             ch = lex_skipwhite(lex, false);
1366             if (ch != '"') {
1367                 lex_ungetch(lex, ch);
1368                 break;
1369             }
1370
1371             lex->tok.ttype = lex_finish_string(lex, '"');
1372         }
1373         lex->flags.nodigraphs = false;
1374         lex_endtoken(lex);
1375         return lex->tok.ttype;
1376     }
1377
1378     if (ch == '\'')
1379     {
1380         /* we parse character constants like string,
1381          * but return TOKEN_CHARCONST, or a vector type if it fits...
1382          * Likewise actual unescaping has to be done by the parser.
1383          * The difference is we don't allow 'char' 'continuation'.
1384          */
1385         if (lex->flags.preprocessing)
1386             lex_tokench(lex, ch);
1387         lex->tok.ttype = lex_finish_string(lex, '\'');
1388         if (lex->flags.preprocessing)
1389             lex_tokench(lex, ch);
1390         lex_endtoken(lex);
1391
1392         lex->tok.ttype = TOKEN_CHARCONST;
1393
1394         /* It's a vector if we can successfully scan 3 floats */
1395         if (util_sscanf(lex->tok.value, " %f %f %f ",
1396                    &lex->tok.constval.v.x, &lex->tok.constval.v.y, &lex->tok.constval.v.z) == 3)
1397
1398         {
1399              lex->tok.ttype = TOKEN_VECTORCONST;
1400         }
1401         else
1402         {
1403             if (!lex->flags.preprocessing && strlen(lex->tok.value) > 1) {
1404                 utf8ch_t u8char;
1405                 /* check for a valid utf8 character */
1406                 if (!OPTS_FLAG(UTF8) || !utf8_to(&u8char, (const unsigned char *)lex->tok.value, 8)) {
1407                     if (lexwarn(lex, WARN_MULTIBYTE_CHARACTER,
1408                                 ( OPTS_FLAG(UTF8) ? "invalid multibyte character sequence `%s`"
1409                                                   : "multibyte character: `%s`" ),
1410                                 lex->tok.value))
1411                         return (lex->tok.ttype = TOKEN_ERROR);
1412                 }
1413                 else
1414                     lex->tok.constval.i = u8char;
1415             }
1416             else
1417                 lex->tok.constval.i = lex->tok.value[0];
1418         }
1419
1420         return lex->tok.ttype;
1421     }
1422
1423     if (util_isdigit(ch))
1424     {
1425         lex->tok.ttype = lex_finish_digit(lex, ch);
1426         lex_endtoken(lex);
1427         return lex->tok.ttype;
1428     }
1429
1430     if (lex->flags.preprocessing) {
1431         lex_tokench(lex, ch);
1432         lex_endtoken(lex);
1433         return (lex->tok.ttype = ch);
1434     }
1435
1436     lexerror(lex, "unknown token: `%c`", ch);
1437     return (lex->tok.ttype = TOKEN_ERROR);
1438 }