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  = 0;
  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(NULL, "open failed: '%s'\n", file);
  85         return NULL;
  86     }
  87
  88     lex = (lex_file*)mem_a(sizeof(*lex));
  89     if (!lex) {
  90         fclose(in);
  91         lexerror(NULL, "out of memory\n");
  92         return NULL;
  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(NULL, "out of memory\n");
 128         return NULL;
 129     }
 130
 131     memset(lex, 0, sizeof(*lex));
 132
 133     lex->file = NULL;
 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  = NULL;
 333     char *command = NULL;
 334     char *param   = NULL;
 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, NULL, 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
 835     int  ch = lastch;
 836
 837     /* parse a number... */
 838     if (ch == '.')
 839         lex->tok.ttype = TOKEN_FLOATCONST;
 840     else
 841         lex->tok.ttype = TOKEN_INTCONST;
 842
 843     lex_tokench(lex, ch);
 844
 845     ch = lex_getch(lex);
 846     if (ch != '.' && !util_isdigit(ch))
 847     {
 848         if (lastch != '0' || ch != 'x')
 849         {
 850             /* end of the number or EOF */
 851             lex_ungetch(lex, ch);
 852             lex_endtoken(lex);
 853
 854             lex->tok.constval.i = lastch - '0';
 855             return lex->tok.ttype;
 856         }
 857
 858         ishex = true;
 859     }
 860
 861     /* EOF would have been caught above */
 862
 863     if (ch != '.')
 864     {
 865         lex_tokench(lex, ch);
 866         ch = lex_getch(lex);
 867         while (util_isdigit(ch) || (ishex && isxdigit_only(ch)))
 868         {
 869             lex_tokench(lex, ch);
 870             ch = lex_getch(lex);
 871         }
 872     }
 873     /* NOT else, '.' can come from above as well */
 874     if (lex->tok.ttype != TOKEN_FLOATCONST && ch == '.' && !ishex)
 875     {
 876         /* Allow floating comma in non-hex mode */
 877         lex->tok.ttype = TOKEN_FLOATCONST;
 878         lex_tokench(lex, ch);
 879
 880         /* continue digits-only */
 881         ch = lex_getch(lex);
 882         while (util_isdigit(ch))
 883         {
 884             lex_tokench(lex, ch);
 885             ch = lex_getch(lex);
 886         }
 887     }
 888     /* put back the last character */
 889     /* but do not put back the trailing 'f' or a float */
 890     if (lex->tok.ttype == TOKEN_FLOATCONST && ch == 'f')
 891         ch = lex_getch(lex);
 892
 893     /* generally we don't want words to follow numbers: */
 894     if (isident(ch)) {
 895         lexerror(lex, "unexpected trailing characters after number");
 896         return (lex->tok.ttype = TOKEN_ERROR);
 897     }
 898     lex_ungetch(lex, ch);
 899
 900     lex_endtoken(lex);
 901     if (lex->tok.ttype == TOKEN_FLOATCONST)
 902         lex->tok.constval.f = strtod(lex->tok.value, NULL);
 903     else
 904         lex->tok.constval.i = strtol(lex->tok.value, NULL, 0);
 905     return lex->tok.ttype;
 906 }
 907
 908 int lex_do(lex_file *lex)
 909 {
 910     int ch, nextch, thirdch;
 911     bool hadwhite = false;
 912
 913     lex_token_new(lex);
 914
 915     while (true) {
 916         ch = lex_skipwhite(lex, hadwhite);
 917         hadwhite = true;
 918         if (!lex->flags.mergelines || ch != '\\')
 919             break;
 920         ch = lex_getch(lex);
 921         if (ch == '\r')
 922             ch = lex_getch(lex);
 923         if (ch != '\n') {
 924             lex_ungetch(lex, ch);
 925             ch = '\\';
 926             break;
 927         }
 928         /* we reached a linemerge */
 929         lex_tokench(lex, '\n');
 930         continue;
 931     }
 932
 933     if (lex->flags.preprocessing && (ch == TOKEN_WHITE || ch == TOKEN_EOL || ch == TOKEN_FATAL)) {
 934         return (lex->tok.ttype = ch);
 935     }
 936
 937     lex->sline = lex->line;
 938     lex->tok.ctx.line = lex->sline;
 939     lex->tok.ctx.file = lex->name;
 940
 941     if (lex->eof)
 942         return (lex->tok.ttype = TOKEN_FATAL);
 943
 944     if (ch == EOF) {
 945         lex->eof = true;
 946         return (lex->tok.ttype = TOKEN_EOF);
 947     }
 948
 949     /* modelgen / spiritgen commands */
 950     if (ch == '$' && !lex->flags.preprocessing) {
 951         const char *v;
 952         size_t frame;
 953
 954         ch = lex_getch(lex);
 955         if (!isident_start(ch)) {
 956             lexerror(lex, "hanging '$' modelgen/spritegen command line");
 957             return lex_do(lex);
 958         }
 959         lex_tokench(lex, ch);
 960         if (!lex_finish_ident(lex))
 961             return (lex->tok.ttype = TOKEN_ERROR);
 962         lex_endtoken(lex);
 963         /* skip the known commands */
 964         v = lex->tok.value;
 965
 966         if (!strcmp(v, "frame") || !strcmp(v, "framesave"))
 967         {
 968             /* frame/framesave command works like an enum
 969              * similar to fteqcc we handle this in the lexer.
 970              * The reason for this is that it is sensitive to newlines,
 971              * which the parser is unaware of
 972              */
 973             if (!lex_finish_frames(lex))
 974                  return (lex->tok.ttype = TOKEN_ERROR);
 975             return lex_do(lex);
 976         }
 977
 978         if (!strcmp(v, "framevalue"))
 979         {
 980             ch = lex_getch(lex);
 981             while (ch != EOF && util_isspace(ch) && ch != '\n')
 982                 ch = lex_getch(lex);
 983
 984             if (!util_isdigit(ch)) {
 985                 lexerror(lex, "$framevalue requires an integer parameter");
 986                 return lex_do(lex);
 987             }
 988
 989             lex_token_new(lex);
 990             lex->tok.ttype = lex_finish_digit(lex, ch);
 991             lex_endtoken(lex);
 992             if (lex->tok.ttype != TOKEN_INTCONST) {
 993                 lexerror(lex, "$framevalue requires an integer parameter");
 994                 return lex_do(lex);
 995             }
 996             lex->framevalue = lex->tok.constval.i;
 997             return lex_do(lex);
 998         }
 999
1000         if (!strcmp(v, "framerestore"))
1001         {
1002             int rc;
1003
1004             lex_token_new(lex);
1005
1006             rc = lex_parse_frame(lex);
1007
1008             if (rc > 0) {
1009                 lexerror(lex, "$framerestore requires a framename parameter");
1010                 return lex_do(lex);
1011             }
1012             if (rc < 0)
1013                 return (lex->tok.ttype = TOKEN_FATAL);
1014
1015             v = lex->tok.value;
1016             for (frame = 0; frame < vec_size(lex->frames); ++frame) {
1017                 if (!strcmp(v, lex->frames[frame].name)) {
1018                     lex->framevalue = lex->frames[frame].value;
1019                     return lex_do(lex);
1020                 }
1021             }
1022             lexerror(lex, "unknown framename `%s`", v);
1023             return lex_do(lex);
1024         }
1025
1026         if (!strcmp(v, "modelname"))
1027         {
1028             int rc;
1029
1030             lex_token_new(lex);
1031
1032             rc = lex_parse_frame(lex);
1033
1034             if (rc > 0) {
1035                 lexerror(lex, "$modelname requires a parameter");
1036                 return lex_do(lex);
1037             }
1038             if (rc < 0)
1039                 return (lex->tok.ttype = TOKEN_FATAL);
1040
1041             if (lex->modelname) {
1042                 frame_macro m;
1043                 m.value = lex->framevalue;
1044                 m.name = lex->modelname;
1045                 lex->modelname = NULL;
1046                 vec_push(lex->frames, m);
1047             }
1048             lex->modelname = lex->tok.value;
1049             lex->tok.value = NULL;
1050             return lex_do(lex);
1051         }
1052
1053         if (!strcmp(v, "flush"))
1054         {
1055             size_t fi;
1056             for (fi = 0; fi < vec_size(lex->frames); ++fi)
1057                 mem_d(lex->frames[fi].name);
1058             vec_free(lex->frames);
1059             /* skip line (fteqcc does it too) */
1060             ch = lex_getch(lex);
1061             while (ch != EOF && ch != '\n')
1062                 ch = lex_getch(lex);
1063             return lex_do(lex);
1064         }
1065
1066         if (!strcmp(v, "cd") ||
1067             !strcmp(v, "origin") ||
1068             !strcmp(v, "base") ||
1069             !strcmp(v, "flags") ||
1070             !strcmp(v, "scale") ||
1071             !strcmp(v, "skin"))
1072         {
1073             /* skip line */
1074             ch = lex_getch(lex);
1075             while (ch != EOF && ch != '\n')
1076                 ch = lex_getch(lex);
1077             return lex_do(lex);
1078         }
1079
1080         for (frame = 0; frame < vec_size(lex->frames); ++frame) {
1081             if (!strcmp(v, lex->frames[frame].name)) {
1082                 lex->tok.constval.i = lex->frames[frame].value;
1083                 return (lex->tok.ttype = TOKEN_INTCONST);
1084             }
1085         }
1086
1087         lexerror(lex, "invalid frame macro");
1088         return lex_do(lex);
1089     }
1090
1091     /* single-character tokens */
1092     switch (ch)
1093     {
1094         case '[':
1095             nextch = lex_getch(lex);
1096             if (nextch == '[') {
1097                 lex_tokench(lex, ch);
1098                 lex_tokench(lex, nextch);
1099                 lex_endtoken(lex);
1100                 return (lex->tok.ttype = TOKEN_ATTRIBUTE_OPEN);
1101             }
1102             lex_ungetch(lex, nextch);
1103             /* FALL THROUGH */
1104         case '(':
1105         case ':':
1106         case '?':
1107             lex_tokench(lex, ch);
1108             lex_endtoken(lex);
1109             if (lex->flags.noops)
1110                 return (lex->tok.ttype = ch);
1111             else
1112                 return (lex->tok.ttype = TOKEN_OPERATOR);
1113
1114         case ']':
1115             if (lex->flags.noops) {
1116                 nextch = lex_getch(lex);
1117                 if (nextch == ']') {
1118                     lex_tokench(lex, ch);
1119                     lex_tokench(lex, nextch);
1120                     lex_endtoken(lex);
1121                     return (lex->tok.ttype = TOKEN_ATTRIBUTE_CLOSE);
1122                 }
1123                 lex_ungetch(lex, nextch);
1124             }
1125             /* FALL THROUGH */
1126         case ')':
1127         case ';':
1128         case '{':
1129         case '}':
1130
1131         case '#':
1132             lex_tokench(lex, ch);
1133             lex_endtoken(lex);
1134             return (lex->tok.ttype = ch);
1135         default:
1136             break;
1137     }
1138
1139     if (ch == '.') {
1140         nextch = lex_getch(lex);
1141         /* digits starting with a dot */
1142         if (util_isdigit(nextch)) {
1143             lex_ungetch(lex, nextch);
1144             lex->tok.ttype = lex_finish_digit(lex, ch);
1145             lex_endtoken(lex);
1146             return lex->tok.ttype;
1147         }
1148         lex_ungetch(lex, nextch);
1149     }
1150
1151     if (lex->flags.noops)
1152     {
1153         /* Detect characters early which are normally
1154          * operators OR PART of an operator.
1155          */
1156         switch (ch)
1157         {
1158             case '*':
1159             case '/':
1160             case '<':
1161             case '>':
1162             case '=':
1163             case '&':
1164             case '|':
1165             case '^':
1166             case '~':
1167             case ',':
1168             case '!':
1169                 lex_tokench(lex, ch);
1170                 lex_endtoken(lex);
1171                 return (lex->tok.ttype = ch);
1172             default:
1173                 break;
1174         }
1175     }
1176
1177     if (ch == '.')
1178     {
1179         lex_tokench(lex, ch);
1180         /* peak ahead once */
1181         nextch = lex_getch(lex);
1182         if (nextch != '.') {
1183             lex_ungetch(lex, nextch);
1184             lex_endtoken(lex);
1185             if (lex->flags.noops)
1186                 return (lex->tok.ttype = ch);
1187             else
1188                 return (lex->tok.ttype = TOKEN_OPERATOR);
1189         }
1190         /* peak ahead again */
1191         nextch = lex_getch(lex);
1192         if (nextch != '.') {
1193             lex_ungetch(lex, nextch);
1194             lex_ungetch(lex, '.');
1195             lex_endtoken(lex);
1196             if (lex->flags.noops)
1197                 return (lex->tok.ttype = ch);
1198             else
1199                 return (lex->tok.ttype = TOKEN_OPERATOR);
1200         }
1201         /* fill the token to be "..." */
1202         lex_tokench(lex, ch);
1203         lex_tokench(lex, ch);
1204         lex_endtoken(lex);
1205         return (lex->tok.ttype = TOKEN_DOTS);
1206     }
1207
1208     if (ch == ',' || ch == '.') {
1209         lex_tokench(lex, ch);
1210         lex_endtoken(lex);
1211         return (lex->tok.ttype = TOKEN_OPERATOR);
1212     }
1213
1214     if (ch == '+' || ch == '-' || /* ++, --, +=, -=  and -> as well! */
1215         ch == '>' || ch == '<' || /* <<, >>, <=, >=  and >< as well! */
1216         ch == '=' || ch == '!' || /* <=>, ==, !=                     */
1217         ch == '&' || ch == '|' || /* &&, ||, &=, |=                  */
1218         ch == '~' || ch == '^'    /* ~=, ~, ^                        */
1219     )  {
1220         lex_tokench(lex, ch);
1221         nextch = lex_getch(lex);
1222
1223         if ((nextch == '=' && ch != '<') || (nextch == '<' && ch == '>'))
1224             lex_tokench(lex, nextch);
1225         else if (nextch == ch && ch != '!') {
1226             lex_tokench(lex, nextch);
1227             if ((thirdch = lex_getch(lex)) == '=')
1228                 lex_tokench(lex, thirdch);
1229             else
1230                 lex_ungetch(lex, thirdch);
1231         } else if (ch == '<' && nextch == '=') {
1232             lex_tokench(lex, nextch);
1233             if ((thirdch = lex_getch(lex)) == '>')
1234                 lex_tokench(lex, thirdch);
1235             else
1236                 lex_ungetch(lex, thirdch);
1237
1238         } else if (ch == '-' && nextch == '>') {
1239             lex_tokench(lex, nextch);
1240         } else if (ch == '&' && nextch == '~') {
1241             thirdch = lex_getch(lex);
1242             if (thirdch != '=') {
1243                 lex_ungetch(lex, thirdch);
1244                 lex_ungetch(lex, nextch);
1245             }
1246             else {
1247                 lex_tokench(lex, nextch);
1248                 lex_tokench(lex, thirdch);
1249             }
1250         }
1251         else if (lex->flags.preprocessing &&
1252                  ch == '-' && util_isdigit(nextch))
1253         {
1254             lex->tok.ttype = lex_finish_digit(lex, nextch);
1255             if (lex->tok.ttype == TOKEN_INTCONST)
1256                 lex->tok.constval.i = -lex->tok.constval.i;
1257             else
1258                 lex->tok.constval.f = -lex->tok.constval.f;
1259             lex_endtoken(lex);
1260             return lex->tok.ttype;
1261         } else {
1262             lex_ungetch(lex, nextch);
1263         }
1264
1265         lex_endtoken(lex);
1266         return (lex->tok.ttype = TOKEN_OPERATOR);
1267     }
1268
1269     if (ch == '*' || ch == '/') /* *=, /= */
1270     {
1271         lex_tokench(lex, ch);
1272
1273         nextch = lex_getch(lex);
1274         if (nextch == '=' || nextch == '*') {
1275             lex_tokench(lex, nextch);
1276         } else
1277             lex_ungetch(lex, nextch);
1278
1279         lex_endtoken(lex);
1280         return (lex->tok.ttype = TOKEN_OPERATOR);
1281     }
1282
1283     if (ch == '%') {
1284         lex_tokench(lex, ch);
1285         lex_endtoken(lex);
1286         return (lex->tok.ttype = TOKEN_OPERATOR);
1287     }
1288
1289     if (isident_start(ch))
1290     {
1291         const char *v;
1292
1293         lex_tokench(lex, ch);
1294         if (!lex_finish_ident(lex)) {
1295             /* error? */
1296             return (lex->tok.ttype = TOKEN_ERROR);
1297         }
1298         lex_endtoken(lex);
1299         lex->tok.ttype = TOKEN_IDENT;
1300
1301         v = lex->tok.value;
1302         if (!strcmp(v, "void")) {
1303             lex->tok.ttype = TOKEN_TYPENAME;
1304             lex->tok.constval.t = TYPE_VOID;
1305         } else if (!strcmp(v, "int")) {
1306             lex->tok.ttype = TOKEN_TYPENAME;
1307             lex->tok.constval.t = TYPE_INTEGER;
1308         } else if (!strcmp(v, "float")) {
1309             lex->tok.ttype = TOKEN_TYPENAME;
1310             lex->tok.constval.t = TYPE_FLOAT;
1311         } else if (!strcmp(v, "string")) {
1312             lex->tok.ttype = TOKEN_TYPENAME;
1313             lex->tok.constval.t = TYPE_STRING;
1314         } else if (!strcmp(v, "entity")) {
1315             lex->tok.ttype = TOKEN_TYPENAME;
1316             lex->tok.constval.t = TYPE_ENTITY;
1317         } else if (!strcmp(v, "vector")) {
1318             lex->tok.ttype = TOKEN_TYPENAME;
1319             lex->tok.constval.t = TYPE_VECTOR;
1320         } else if (!strcmp(v, "_length")) {
1321             lex->tok.ttype = TOKEN_OPERATOR;
1322         } else {
1323             size_t kw;
1324             for (kw = 0; kw < GMQCC_ARRAY_COUNT(keywords_qc); ++kw) {
1325                 if (!strcmp(v, keywords_qc[kw]))
1326                     return (lex->tok.ttype = TOKEN_KEYWORD);
1327             }
1328             if (OPTS_OPTION_U32(OPTION_STANDARD) != COMPILER_QCC) {
1329                 for (kw = 0; kw < GMQCC_ARRAY_COUNT(keywords_fg); ++kw) {
1330                     if (!strcmp(v, keywords_fg[kw]))
1331                         return (lex->tok.ttype = TOKEN_KEYWORD);
1332                 }
1333             }
1334         }
1335
1336         return lex->tok.ttype;
1337     }
1338
1339     if (ch == '"')
1340     {
1341         lex->flags.nodigraphs = true;
1342         if (lex->flags.preprocessing)
1343             lex_tokench(lex, ch);
1344         lex->tok.ttype = lex_finish_string(lex, '"');
1345         if (lex->flags.preprocessing)
1346             lex_tokench(lex, ch);
1347         while (!lex->flags.preprocessing && lex->tok.ttype == TOKEN_STRINGCONST)
1348         {
1349             /* Allow c style "string" "continuation" */
1350             ch = lex_skipwhite(lex, false);
1351             if (ch != '"') {
1352                 lex_ungetch(lex, ch);
1353                 break;
1354             }
1355
1356             lex->tok.ttype = lex_finish_string(lex, '"');
1357         }
1358         lex->flags.nodigraphs = false;
1359         lex_endtoken(lex);
1360         return lex->tok.ttype;
1361     }
1362
1363     if (ch == '\'')
1364     {
1365         /* we parse character constants like string,
1366          * but return TOKEN_CHARCONST, or a vector type if it fits...
1367          * Likewise actual unescaping has to be done by the parser.
1368          * The difference is we don't allow 'char' 'continuation'.
1369          */
1370         if (lex->flags.preprocessing)
1371             lex_tokench(lex, ch);
1372         lex->tok.ttype = lex_finish_string(lex, '\'');
1373         if (lex->flags.preprocessing)
1374             lex_tokench(lex, ch);
1375         lex_endtoken(lex);
1376
1377         lex->tok.ttype = TOKEN_CHARCONST;
1378
1379         /* It's a vector if we can successfully scan 3 floats */
1380         if (util_sscanf(lex->tok.value, " %f %f %f ",
1381                    &lex->tok.constval.v.x, &lex->tok.constval.v.y, &lex->tok.constval.v.z) == 3)
1382
1383         {
1384              lex->tok.ttype = TOKEN_VECTORCONST;
1385         }
1386         else
1387         {
1388             if (!lex->flags.preprocessing && strlen(lex->tok.value) > 1) {
1389                 utf8ch_t u8char;
1390                 /* check for a valid utf8 character */
1391                 if (!OPTS_FLAG(UTF8) || !utf8_to(&u8char, (const unsigned char *)lex->tok.value, 8)) {
1392                     if (lexwarn(lex, WARN_MULTIBYTE_CHARACTER,
1393                                 ( OPTS_FLAG(UTF8) ? "invalid multibyte character sequence `%s`"
1394                                                   : "multibyte character: `%s`" ),
1395                                 lex->tok.value))
1396                         return (lex->tok.ttype = TOKEN_ERROR);
1397                 }
1398                 else
1399                     lex->tok.constval.i = u8char;
1400             }
1401             else
1402                 lex->tok.constval.i = lex->tok.value[0];
1403         }
1404
1405         return lex->tok.ttype;
1406     }
1407
1408     if (util_isdigit(ch))
1409     {
1410         lex->tok.ttype = lex_finish_digit(lex, ch);
1411         lex_endtoken(lex);
1412         return lex->tok.ttype;
1413     }
1414
1415     if (lex->flags.preprocessing) {
1416         lex_tokench(lex, ch);
1417         lex_endtoken(lex);
1418         return (lex->tok.ttype = ch);
1419     }
1420
1421     lexerror(lex, "unknown token: `%c`", ch);
1422     return (lex->tok.ttype = TOKEN_ERROR);
1423 }