mirror of
https://github.com/rust-lang/rust.git
synced 2025-01-20 19:52:48 +00:00
kill old lexer
This commit is contained in:
parent
75761c0e47
commit
700669bbd0
@ -1,22 +1,6 @@
|
||||
mod classes;
|
||||
mod comments;
|
||||
mod numbers;
|
||||
mod ptr;
|
||||
mod strings;
|
||||
|
||||
use crate::{
|
||||
SyntaxKind::{self, *},
|
||||
TextUnit, T,
|
||||
};
|
||||
|
||||
use self::{
|
||||
classes::*,
|
||||
comments::{scan_comment, scan_shebang},
|
||||
numbers::scan_number,
|
||||
ptr::Ptr,
|
||||
strings::{
|
||||
is_string_literal_start, scan_byte_char_or_string, scan_char, scan_raw_string, scan_string,
|
||||
},
|
||||
TextUnit,
|
||||
};
|
||||
|
||||
/// A token of Rust source.
|
||||
@ -141,138 +125,23 @@ pub fn tokenize(text: &str) -> Vec<Token> {
|
||||
acc
|
||||
}
|
||||
|
||||
/// Get the next token from a string
|
||||
fn next_token(text: &str) -> Token {
|
||||
assert!(!text.is_empty());
|
||||
let mut ptr = Ptr::new(text);
|
||||
let c = ptr.bump().unwrap();
|
||||
let kind = next_token_inner(c, &mut ptr);
|
||||
let len = ptr.into_len();
|
||||
Token { kind, len }
|
||||
}
|
||||
|
||||
fn next_token_inner(c: char, ptr: &mut Ptr) -> SyntaxKind {
|
||||
if is_whitespace(c) {
|
||||
ptr.bump_while(is_whitespace);
|
||||
return WHITESPACE;
|
||||
}
|
||||
|
||||
match c {
|
||||
'#' => {
|
||||
if scan_shebang(ptr) {
|
||||
return SHEBANG;
|
||||
}
|
||||
}
|
||||
'/' => {
|
||||
if let Some(kind) = scan_comment(ptr) {
|
||||
return kind;
|
||||
}
|
||||
}
|
||||
_ => (),
|
||||
}
|
||||
|
||||
let ident_start = is_ident_start(c) && !is_string_literal_start(c, ptr.current(), ptr.nth(1));
|
||||
if ident_start {
|
||||
return scan_ident(c, ptr);
|
||||
}
|
||||
|
||||
if is_dec_digit(c) {
|
||||
let kind = scan_number(c, ptr);
|
||||
scan_literal_suffix(ptr);
|
||||
return kind;
|
||||
}
|
||||
|
||||
// One-byte tokens.
|
||||
if let Some(kind) = SyntaxKind::from_char(c) {
|
||||
return kind;
|
||||
}
|
||||
|
||||
match c {
|
||||
// Possiblily multi-byte tokens,
|
||||
// but we only produce single byte token now
|
||||
// T![...], T![..], T![..=], T![.]
|
||||
'.' => return T![.],
|
||||
// T![::] T![:]
|
||||
':' => return T![:],
|
||||
// T![==] FATARROW T![=]
|
||||
'=' => return T![=],
|
||||
// T![!=] T![!]
|
||||
'!' => return T![!],
|
||||
// T![->] T![-]
|
||||
'-' => return T![-],
|
||||
|
||||
// If the character is an ident start not followed by another single
|
||||
// quote, then this is a lifetime name:
|
||||
'\'' => {
|
||||
return if ptr.at_p(is_ident_start) && !ptr.at_str("''") {
|
||||
ptr.bump();
|
||||
while ptr.at_p(is_ident_continue) {
|
||||
ptr.bump();
|
||||
}
|
||||
// lifetimes shouldn't end with a single quote
|
||||
// if we find one, then this is an invalid character literal
|
||||
if ptr.at('\'') {
|
||||
ptr.bump();
|
||||
return CHAR;
|
||||
}
|
||||
LIFETIME
|
||||
} else {
|
||||
scan_char(ptr);
|
||||
scan_literal_suffix(ptr);
|
||||
CHAR
|
||||
};
|
||||
}
|
||||
'b' => {
|
||||
let kind = scan_byte_char_or_string(ptr);
|
||||
scan_literal_suffix(ptr);
|
||||
return kind;
|
||||
}
|
||||
'"' => {
|
||||
scan_string(ptr);
|
||||
scan_literal_suffix(ptr);
|
||||
return STRING;
|
||||
}
|
||||
'r' => {
|
||||
scan_raw_string(ptr);
|
||||
scan_literal_suffix(ptr);
|
||||
return RAW_STRING;
|
||||
}
|
||||
_ => (),
|
||||
}
|
||||
ERROR
|
||||
}
|
||||
|
||||
fn scan_ident(c: char, ptr: &mut Ptr) -> SyntaxKind {
|
||||
let is_raw = match (c, ptr.current()) {
|
||||
('r', Some('#')) => {
|
||||
ptr.bump();
|
||||
true
|
||||
}
|
||||
('_', None) => return T![_],
|
||||
('_', Some(c)) if !is_ident_continue(c) => return T![_],
|
||||
_ => false,
|
||||
};
|
||||
ptr.bump_while(is_ident_continue);
|
||||
if !is_raw {
|
||||
if let Some(kind) = SyntaxKind::from_keyword(ptr.current_token_text()) {
|
||||
return kind;
|
||||
}
|
||||
}
|
||||
IDENT
|
||||
}
|
||||
|
||||
fn scan_literal_suffix(ptr: &mut Ptr) {
|
||||
if ptr.at_p(is_ident_start) {
|
||||
ptr.bump();
|
||||
}
|
||||
ptr.bump_while(is_ident_continue);
|
||||
}
|
||||
|
||||
pub fn classify_literal(text: &str) -> Option<Token> {
|
||||
let tkn = next_token(text);
|
||||
if !tkn.kind.is_literal() || tkn.len.to_usize() != text.len() {
|
||||
let t = ra_rustc_lexer::first_token(text);
|
||||
if t.len != text.len() {
|
||||
return None;
|
||||
}
|
||||
|
||||
Some(tkn)
|
||||
let kind = match t.kind {
|
||||
ra_rustc_lexer::TokenKind::Literal { kind, .. } => match kind {
|
||||
ra_rustc_lexer::LiteralKind::Int { .. } => INT_NUMBER,
|
||||
ra_rustc_lexer::LiteralKind::Float { .. } => FLOAT_NUMBER,
|
||||
ra_rustc_lexer::LiteralKind::Char { .. } => CHAR,
|
||||
ra_rustc_lexer::LiteralKind::Byte { .. } => BYTE,
|
||||
ra_rustc_lexer::LiteralKind::Str { .. } => STRING,
|
||||
ra_rustc_lexer::LiteralKind::ByteStr { .. } => BYTE_STRING,
|
||||
ra_rustc_lexer::LiteralKind::RawStr { .. } => RAW_STRING,
|
||||
ra_rustc_lexer::LiteralKind::RawByteStr { .. } => RAW_BYTE_STRING,
|
||||
},
|
||||
_ => return None,
|
||||
};
|
||||
Some(Token { kind, len: TextUnit::from_usize(t.len) })
|
||||
}
|
||||
|
@ -1,26 +0,0 @@
|
||||
use unicode_xid::UnicodeXID;
|
||||
|
||||
pub fn is_ident_start(c: char) -> bool {
|
||||
(c >= 'a' && c <= 'z')
|
||||
|| (c >= 'A' && c <= 'Z')
|
||||
|| c == '_'
|
||||
|| (c > '\x7f' && UnicodeXID::is_xid_start(c))
|
||||
}
|
||||
|
||||
pub fn is_ident_continue(c: char) -> bool {
|
||||
(c >= 'a' && c <= 'z')
|
||||
|| (c >= 'A' && c <= 'Z')
|
||||
|| (c >= '0' && c <= '9')
|
||||
|| c == '_'
|
||||
|| (c > '\x7f' && UnicodeXID::is_xid_continue(c))
|
||||
}
|
||||
|
||||
pub fn is_whitespace(c: char) -> bool {
|
||||
//FIXME: use is_pattern_whitespace
|
||||
//https://github.com/behnam/rust-unic/issues/192
|
||||
c.is_whitespace()
|
||||
}
|
||||
|
||||
pub fn is_dec_digit(c: char) -> bool {
|
||||
'0' <= c && c <= '9'
|
||||
}
|
@ -1,57 +0,0 @@
|
||||
use crate::parsing::lexer::ptr::Ptr;
|
||||
|
||||
use crate::SyntaxKind::{self, *};
|
||||
|
||||
pub(crate) fn scan_shebang(ptr: &mut Ptr) -> bool {
|
||||
if ptr.at_str("!/") {
|
||||
ptr.bump();
|
||||
ptr.bump();
|
||||
bump_until_eol(ptr);
|
||||
true
|
||||
} else {
|
||||
false
|
||||
}
|
||||
}
|
||||
|
||||
fn scan_block_comment(ptr: &mut Ptr) -> Option<SyntaxKind> {
|
||||
if ptr.at('*') {
|
||||
ptr.bump();
|
||||
let mut depth: u32 = 1;
|
||||
while depth > 0 {
|
||||
if ptr.at_str("*/") {
|
||||
depth -= 1;
|
||||
ptr.bump();
|
||||
ptr.bump();
|
||||
} else if ptr.at_str("/*") {
|
||||
depth += 1;
|
||||
ptr.bump();
|
||||
ptr.bump();
|
||||
} else if ptr.bump().is_none() {
|
||||
break;
|
||||
}
|
||||
}
|
||||
Some(COMMENT)
|
||||
} else {
|
||||
None
|
||||
}
|
||||
}
|
||||
|
||||
pub(crate) fn scan_comment(ptr: &mut Ptr) -> Option<SyntaxKind> {
|
||||
if ptr.at('/') {
|
||||
bump_until_eol(ptr);
|
||||
Some(COMMENT)
|
||||
} else {
|
||||
scan_block_comment(ptr)
|
||||
}
|
||||
}
|
||||
|
||||
fn bump_until_eol(ptr: &mut Ptr) {
|
||||
loop {
|
||||
if ptr.at('\n') || ptr.at_str("\r\n") {
|
||||
return;
|
||||
}
|
||||
if ptr.bump().is_none() {
|
||||
break;
|
||||
}
|
||||
}
|
||||
}
|
@ -1,66 +0,0 @@
|
||||
use crate::parsing::lexer::{classes::*, ptr::Ptr};
|
||||
|
||||
use crate::SyntaxKind::{self, *};
|
||||
|
||||
pub(crate) fn scan_number(c: char, ptr: &mut Ptr) -> SyntaxKind {
|
||||
if c == '0' {
|
||||
match ptr.current().unwrap_or('\0') {
|
||||
'b' | 'o' => {
|
||||
ptr.bump();
|
||||
scan_digits(ptr, false);
|
||||
}
|
||||
'x' => {
|
||||
ptr.bump();
|
||||
scan_digits(ptr, true);
|
||||
}
|
||||
'0'..='9' | '_' | '.' | 'e' | 'E' => {
|
||||
scan_digits(ptr, true);
|
||||
}
|
||||
_ => return INT_NUMBER,
|
||||
}
|
||||
} else {
|
||||
scan_digits(ptr, false);
|
||||
}
|
||||
|
||||
// might be a float, but don't be greedy if this is actually an
|
||||
// integer literal followed by field/method access or a range pattern
|
||||
// (`0..2` and `12.foo()`)
|
||||
if ptr.at('.') && !(ptr.at_str("..") || ptr.nth_is_p(1, is_ident_start)) {
|
||||
// might have stuff after the ., and if it does, it needs to start
|
||||
// with a number
|
||||
ptr.bump();
|
||||
scan_digits(ptr, false);
|
||||
scan_float_exponent(ptr);
|
||||
return FLOAT_NUMBER;
|
||||
}
|
||||
// it might be a float if it has an exponent
|
||||
if ptr.at('e') || ptr.at('E') {
|
||||
scan_float_exponent(ptr);
|
||||
return FLOAT_NUMBER;
|
||||
}
|
||||
INT_NUMBER
|
||||
}
|
||||
|
||||
fn scan_digits(ptr: &mut Ptr, allow_hex: bool) {
|
||||
while let Some(c) = ptr.current() {
|
||||
match c {
|
||||
'_' | '0'..='9' => {
|
||||
ptr.bump();
|
||||
}
|
||||
'a'..='f' | 'A'..='F' if allow_hex => {
|
||||
ptr.bump();
|
||||
}
|
||||
_ => return,
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
fn scan_float_exponent(ptr: &mut Ptr) {
|
||||
if ptr.at('e') || ptr.at('E') {
|
||||
ptr.bump();
|
||||
if ptr.at('-') || ptr.at('+') {
|
||||
ptr.bump();
|
||||
}
|
||||
scan_digits(ptr, false);
|
||||
}
|
||||
}
|
@ -1,162 +0,0 @@
|
||||
use crate::TextUnit;
|
||||
|
||||
use std::str::Chars;
|
||||
|
||||
/// A simple view into the characters of a string.
|
||||
pub(crate) struct Ptr<'s> {
|
||||
text: &'s str,
|
||||
len: TextUnit,
|
||||
}
|
||||
|
||||
impl<'s> Ptr<'s> {
|
||||
/// Creates a new `Ptr` from a string.
|
||||
pub fn new(text: &'s str) -> Ptr<'s> {
|
||||
Ptr { text, len: 0.into() }
|
||||
}
|
||||
|
||||
/// Gets the length of the remaining string.
|
||||
pub fn into_len(self) -> TextUnit {
|
||||
self.len
|
||||
}
|
||||
|
||||
/// Gets the current character, if one exists.
|
||||
pub fn current(&self) -> Option<char> {
|
||||
self.chars().next()
|
||||
}
|
||||
|
||||
/// Gets the nth character from the current.
|
||||
/// For example, 0 will return the current character, 1 will return the next, etc.
|
||||
pub fn nth(&self, n: u32) -> Option<char> {
|
||||
self.chars().nth(n as usize)
|
||||
}
|
||||
|
||||
/// Checks whether the current character is `c`.
|
||||
pub fn at(&self, c: char) -> bool {
|
||||
self.current() == Some(c)
|
||||
}
|
||||
|
||||
/// Checks whether the next characters match `s`.
|
||||
pub fn at_str(&self, s: &str) -> bool {
|
||||
let chars = self.chars();
|
||||
chars.as_str().starts_with(s)
|
||||
}
|
||||
|
||||
/// Checks whether the current character satisfies the predicate `p`.
|
||||
pub fn at_p<P: Fn(char) -> bool>(&self, p: P) -> bool {
|
||||
self.current().map(p) == Some(true)
|
||||
}
|
||||
|
||||
/// Checks whether the nth character satisfies the predicate `p`.
|
||||
pub fn nth_is_p<P: Fn(char) -> bool>(&self, n: u32, p: P) -> bool {
|
||||
self.nth(n).map(p) == Some(true)
|
||||
}
|
||||
|
||||
/// Moves to the next character.
|
||||
pub fn bump(&mut self) -> Option<char> {
|
||||
let ch = self.chars().next()?;
|
||||
self.len += TextUnit::of_char(ch);
|
||||
Some(ch)
|
||||
}
|
||||
|
||||
/// Moves to the next character as long as `pred` is satisfied.
|
||||
pub fn bump_while<F: Fn(char) -> bool>(&mut self, pred: F) {
|
||||
loop {
|
||||
match self.current() {
|
||||
Some(c) if pred(c) => {
|
||||
self.bump();
|
||||
}
|
||||
_ => return,
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
/// Returns the text up to the current point.
|
||||
pub fn current_token_text(&self) -> &str {
|
||||
let len: u32 = self.len.into();
|
||||
&self.text[..len as usize]
|
||||
}
|
||||
|
||||
/// Returns an iterator over the remaining characters.
|
||||
fn chars(&self) -> Chars {
|
||||
let len: u32 = self.len.into();
|
||||
self.text[len as usize..].chars()
|
||||
}
|
||||
}
|
||||
|
||||
#[cfg(test)]
|
||||
mod tests {
|
||||
use super::*;
|
||||
|
||||
#[test]
|
||||
fn test_current() {
|
||||
let ptr = Ptr::new("test");
|
||||
assert_eq!(ptr.current(), Some('t'));
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_nth() {
|
||||
let ptr = Ptr::new("test");
|
||||
assert_eq!(ptr.nth(0), Some('t'));
|
||||
assert_eq!(ptr.nth(1), Some('e'));
|
||||
assert_eq!(ptr.nth(2), Some('s'));
|
||||
assert_eq!(ptr.nth(3), Some('t'));
|
||||
assert_eq!(ptr.nth(4), None);
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_at() {
|
||||
let ptr = Ptr::new("test");
|
||||
assert!(ptr.at('t'));
|
||||
assert!(!ptr.at('a'));
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_at_str() {
|
||||
let ptr = Ptr::new("test");
|
||||
assert!(ptr.at_str("t"));
|
||||
assert!(ptr.at_str("te"));
|
||||
assert!(ptr.at_str("test"));
|
||||
assert!(!ptr.at_str("tests"));
|
||||
assert!(!ptr.at_str("rust"));
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_at_p() {
|
||||
let ptr = Ptr::new("test");
|
||||
assert!(ptr.at_p(|c| c == 't'));
|
||||
assert!(!ptr.at_p(|c| c == 'e'));
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_nth_is_p() {
|
||||
let ptr = Ptr::new("test");
|
||||
assert!(ptr.nth_is_p(0, |c| c == 't'));
|
||||
assert!(!ptr.nth_is_p(1, |c| c == 't'));
|
||||
assert!(ptr.nth_is_p(3, |c| c == 't'));
|
||||
assert!(!ptr.nth_is_p(150, |c| c == 't'));
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_bump() {
|
||||
let mut ptr = Ptr::new("test");
|
||||
assert_eq!(ptr.current(), Some('t'));
|
||||
ptr.bump();
|
||||
assert_eq!(ptr.current(), Some('e'));
|
||||
ptr.bump();
|
||||
assert_eq!(ptr.current(), Some('s'));
|
||||
ptr.bump();
|
||||
assert_eq!(ptr.current(), Some('t'));
|
||||
ptr.bump();
|
||||
assert_eq!(ptr.current(), None);
|
||||
ptr.bump();
|
||||
assert_eq!(ptr.current(), None);
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_bump_while() {
|
||||
let mut ptr = Ptr::new("test");
|
||||
assert_eq!(ptr.current(), Some('t'));
|
||||
ptr.bump_while(|c| c != 's');
|
||||
assert_eq!(ptr.current(), Some('s'));
|
||||
}
|
||||
}
|
@ -1,112 +0,0 @@
|
||||
use crate::{
|
||||
parsing::lexer::ptr::Ptr,
|
||||
SyntaxKind::{self, *},
|
||||
};
|
||||
|
||||
pub(crate) fn is_string_literal_start(c: char, c1: Option<char>, c2: Option<char>) -> bool {
|
||||
match (c, c1, c2) {
|
||||
('r', Some('"'), _)
|
||||
| ('r', Some('#'), Some('"'))
|
||||
| ('r', Some('#'), Some('#'))
|
||||
| ('b', Some('"'), _)
|
||||
| ('b', Some('\''), _)
|
||||
| ('b', Some('r'), Some('"'))
|
||||
| ('b', Some('r'), Some('#')) => true,
|
||||
_ => false,
|
||||
}
|
||||
}
|
||||
|
||||
pub(crate) fn scan_char(ptr: &mut Ptr) {
|
||||
while let Some(c) = ptr.current() {
|
||||
match c {
|
||||
'\\' => {
|
||||
ptr.bump();
|
||||
if ptr.at('\\') || ptr.at('\'') {
|
||||
ptr.bump();
|
||||
}
|
||||
}
|
||||
'\'' => {
|
||||
ptr.bump();
|
||||
return;
|
||||
}
|
||||
'\n' => return,
|
||||
_ => {
|
||||
ptr.bump();
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
pub(crate) fn scan_byte_char_or_string(ptr: &mut Ptr) -> SyntaxKind {
|
||||
// unwrapping and not-exhaustive match are ok
|
||||
// because of string_literal_start
|
||||
let c = ptr.bump().unwrap();
|
||||
match c {
|
||||
'\'' => {
|
||||
scan_byte(ptr);
|
||||
BYTE
|
||||
}
|
||||
'"' => {
|
||||
scan_byte_string(ptr);
|
||||
BYTE_STRING
|
||||
}
|
||||
'r' => {
|
||||
scan_raw_string(ptr);
|
||||
RAW_BYTE_STRING
|
||||
}
|
||||
_ => unreachable!(),
|
||||
}
|
||||
}
|
||||
|
||||
pub(crate) fn scan_string(ptr: &mut Ptr) {
|
||||
while let Some(c) = ptr.current() {
|
||||
match c {
|
||||
'\\' => {
|
||||
ptr.bump();
|
||||
if ptr.at('\\') || ptr.at('"') {
|
||||
ptr.bump();
|
||||
}
|
||||
}
|
||||
'"' => {
|
||||
ptr.bump();
|
||||
return;
|
||||
}
|
||||
_ => {
|
||||
ptr.bump();
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
pub(crate) fn scan_raw_string(ptr: &mut Ptr) {
|
||||
let mut hashes = 0;
|
||||
while ptr.at('#') {
|
||||
hashes += 1;
|
||||
ptr.bump();
|
||||
}
|
||||
if !ptr.at('"') {
|
||||
return;
|
||||
}
|
||||
ptr.bump();
|
||||
|
||||
while let Some(c) = ptr.bump() {
|
||||
if c == '"' {
|
||||
let mut hashes_left = hashes;
|
||||
while ptr.at('#') && hashes_left > 0 {
|
||||
hashes_left -= 1;
|
||||
ptr.bump();
|
||||
}
|
||||
if hashes_left == 0 {
|
||||
return;
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
fn scan_byte(ptr: &mut Ptr) {
|
||||
scan_char(ptr)
|
||||
}
|
||||
|
||||
fn scan_byte_string(ptr: &mut Ptr) {
|
||||
scan_string(ptr)
|
||||
}
|
Loading…
Reference in New Issue
Block a user