[fine] Starting to parse (ugh)
This commit is contained in:
parent
7fccab8f59
commit
ece5576fb2
3 changed files with 534 additions and 185 deletions
|
|
@ -1,5 +1,5 @@
|
|||
#[derive(Debug, PartialEq, Eq)]
|
||||
pub enum TokenKind<'a> {
|
||||
#[derive(Debug, PartialEq, Eq, Clone, Copy)]
|
||||
pub enum TokenKind {
|
||||
LeftBrace,
|
||||
RightBrace,
|
||||
LeftBracket,
|
||||
|
|
@ -23,9 +23,9 @@ pub enum TokenKind<'a> {
|
|||
Less,
|
||||
LessEqual,
|
||||
|
||||
Identifier(&'a str), // TODO
|
||||
String(&'a str),
|
||||
Number(&'a str),
|
||||
Identifier,
|
||||
String,
|
||||
Number,
|
||||
|
||||
And,
|
||||
Async,
|
||||
|
|
@ -47,80 +47,54 @@ pub enum TokenKind<'a> {
|
|||
While,
|
||||
Yield,
|
||||
|
||||
Error(String),
|
||||
Error,
|
||||
}
|
||||
|
||||
#[derive(Debug, PartialEq, Eq)]
|
||||
#[derive(Debug, PartialEq, Eq, Clone)]
|
||||
pub struct Token<'a> {
|
||||
kind: TokenKind<'a>,
|
||||
kind: TokenKind,
|
||||
start: usize,
|
||||
value: Result<&'a str, String>,
|
||||
}
|
||||
|
||||
impl<'a> Token<'a> {
|
||||
pub fn new(start: usize, kind: TokenKind<'a>) -> Self {
|
||||
Token { kind, start }
|
||||
pub fn new(kind: TokenKind, start: usize, value: &'a str) -> Self {
|
||||
Token {
|
||||
kind,
|
||||
start,
|
||||
value: Ok(value),
|
||||
}
|
||||
}
|
||||
|
||||
pub fn error(start: usize, message: String) -> Self {
|
||||
Token {
|
||||
kind: TokenKind::Error,
|
||||
start,
|
||||
value: Err(message),
|
||||
}
|
||||
}
|
||||
|
||||
pub fn kind(&self) -> TokenKind {
|
||||
self.kind
|
||||
}
|
||||
|
||||
pub fn as_str<'b>(&'b self) -> &'a str
|
||||
where
|
||||
'b: 'a,
|
||||
{
|
||||
use TokenKind::*;
|
||||
match &self.kind {
|
||||
LeftBrace => "{",
|
||||
RightBrace => "}",
|
||||
LeftBracket => "[",
|
||||
RightBracket => "]",
|
||||
|
||||
LeftParen => "(",
|
||||
RightParen => ")",
|
||||
Comma => ",",
|
||||
Dot => ".",
|
||||
Minus => "-",
|
||||
|
||||
Plus => "+",
|
||||
Semicolon => ";",
|
||||
Slash => "/",
|
||||
Star => "*",
|
||||
|
||||
Bang => "+",
|
||||
BangEqual => "!=",
|
||||
Equal => "=",
|
||||
EqualEqual => "==",
|
||||
Greater => ">",
|
||||
GreaterEqual => ">=",
|
||||
Less => "<",
|
||||
LessEqual => "<=",
|
||||
|
||||
Identifier(v) => v,
|
||||
String(v) => v,
|
||||
Number(v) => v,
|
||||
|
||||
And => "and",
|
||||
Async => "async",
|
||||
Await => "await",
|
||||
Class => "class",
|
||||
Else => "else",
|
||||
False => "false",
|
||||
For => "for",
|
||||
From => "from",
|
||||
Fun => "fun",
|
||||
If => "if",
|
||||
Let => "let",
|
||||
Or => "or",
|
||||
Print => "print",
|
||||
Return => "return",
|
||||
Select => "select",
|
||||
This => "this",
|
||||
True => "true",
|
||||
While => "while",
|
||||
Yield => "yield",
|
||||
|
||||
Error(e) => e,
|
||||
match &self.value {
|
||||
Ok(v) => v,
|
||||
Err(e) => &e,
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
impl<'a> Into<String> for Token<'a> {
|
||||
fn into(self) -> String {
|
||||
self.as_str().to_string()
|
||||
}
|
||||
}
|
||||
|
||||
pub struct Tokens<'a> {
|
||||
source: &'a str,
|
||||
chars: std::str::CharIndices<'a>,
|
||||
|
|
@ -140,8 +114,17 @@ impl<'a> Tokens<'a> {
|
|||
result
|
||||
}
|
||||
|
||||
pub fn token_position(&self, token: &Token) -> (usize, usize) {
|
||||
let line_end_index = match self.newlines.binary_search(&token.start) {
|
||||
/// Return the position of the given token as a (line, column) pair. By
|
||||
/// convention, lines are 1-based and columns are 0-based. Also, in
|
||||
/// keeping with the iterator-nature of the tokenizer, `None` here
|
||||
/// indicates end-of-file, and will return the position of the end of the
|
||||
/// file.
|
||||
pub fn token_position(&self, token: &Option<Token>) -> (usize, usize) {
|
||||
let start = match token {
|
||||
Some(t) => t.start,
|
||||
None => self.source.len(),
|
||||
};
|
||||
let line_end_index = match self.newlines.binary_search(&start) {
|
||||
Ok(index) => index,
|
||||
Err(index) => index,
|
||||
};
|
||||
|
|
@ -151,15 +134,16 @@ impl<'a> Tokens<'a> {
|
|||
self.newlines[line_end_index - 1] + 1
|
||||
};
|
||||
let line_number = line_end_index + 1;
|
||||
let column_offset = token.start - line_start_pos;
|
||||
let column_offset = start - line_start_pos;
|
||||
(line_number, column_offset)
|
||||
}
|
||||
|
||||
fn token(&self, start: usize, kind: TokenKind<'a>) -> Token<'a> {
|
||||
Token::new(start, kind)
|
||||
fn token(&self, start: usize, kind: TokenKind) -> Token<'a> {
|
||||
let value = &self.source[start..self.pos()];
|
||||
Token::new(kind, start, value)
|
||||
}
|
||||
|
||||
fn number(&mut self, start: usize) -> TokenKind<'a> {
|
||||
fn number(&mut self, start: usize) -> Token<'a> {
|
||||
// First, the main part.
|
||||
loop {
|
||||
if !self.matches_digit() {
|
||||
|
|
@ -198,9 +182,10 @@ impl<'a> Tokens<'a> {
|
|||
if !saw_digit {
|
||||
// This is just a broken number.
|
||||
let slice = &self.source[start..self.pos()];
|
||||
return TokenKind::Error(format!(
|
||||
"Invalid floating-point literal: {slice}"
|
||||
));
|
||||
return Token::error(
|
||||
start,
|
||||
format!("Invalid floating-point literal: {slice}"),
|
||||
);
|
||||
}
|
||||
}
|
||||
} else {
|
||||
|
|
@ -209,13 +194,13 @@ impl<'a> Tokens<'a> {
|
|||
}
|
||||
}
|
||||
|
||||
TokenKind::Number(&self.source[start..self.pos()])
|
||||
self.token(start, TokenKind::Number)
|
||||
}
|
||||
|
||||
fn string(&mut self, start: usize, delimiter: char) -> TokenKind<'a> {
|
||||
fn string(&mut self, start: usize, delimiter: char) -> Token<'a> {
|
||||
while !self.matches(delimiter) {
|
||||
if self.eof() {
|
||||
return TokenKind::Error("Unterminated string constant".to_string());
|
||||
return Token::error(start, "Unterminated string constant".to_string());
|
||||
}
|
||||
if self.matches('\\') {
|
||||
self.advance();
|
||||
|
|
@ -224,20 +209,12 @@ impl<'a> Tokens<'a> {
|
|||
}
|
||||
}
|
||||
|
||||
TokenKind::String(&self.source[start..self.pos()])
|
||||
self.token(start, TokenKind::String)
|
||||
}
|
||||
|
||||
fn identifier(&mut self, start: usize) -> TokenKind<'a> {
|
||||
loop {
|
||||
// TODO: Use unicode identifier classes instead
|
||||
if !self.matches_next(|c| c.is_ascii_alphanumeric() || c == '_') {
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
let ident = &self.source[start..self.pos()];
|
||||
match ident.chars().nth(0) {
|
||||
Some('a') => {
|
||||
fn identifier_token_kind(ident: &str) -> TokenKind {
|
||||
match ident.chars().nth(0).unwrap() {
|
||||
'a' => {
|
||||
if ident == "and" {
|
||||
return TokenKind::And;
|
||||
}
|
||||
|
|
@ -248,17 +225,17 @@ impl<'a> Tokens<'a> {
|
|||
return TokenKind::Await;
|
||||
}
|
||||
}
|
||||
Some('c') => {
|
||||
'c' => {
|
||||
if ident == "class" {
|
||||
return TokenKind::Class;
|
||||
}
|
||||
}
|
||||
Some('e') => {
|
||||
'e' => {
|
||||
if ident == "else" {
|
||||
return TokenKind::Else;
|
||||
}
|
||||
}
|
||||
Some('f') => {
|
||||
'f' => {
|
||||
if ident == "false" {
|
||||
return TokenKind::False;
|
||||
}
|
||||
|
|
@ -272,37 +249,37 @@ impl<'a> Tokens<'a> {
|
|||
return TokenKind::Fun;
|
||||
}
|
||||
}
|
||||
Some('i') => {
|
||||
'i' => {
|
||||
if ident == "if" {
|
||||
return TokenKind::If;
|
||||
}
|
||||
}
|
||||
Some('l') => {
|
||||
'l' => {
|
||||
if ident == "let" {
|
||||
return TokenKind::Let;
|
||||
}
|
||||
}
|
||||
Some('o') => {
|
||||
'o' => {
|
||||
if ident == "or" {
|
||||
return TokenKind::Or;
|
||||
}
|
||||
}
|
||||
Some('p') => {
|
||||
'p' => {
|
||||
if ident == "print" {
|
||||
return TokenKind::Print;
|
||||
}
|
||||
}
|
||||
Some('r') => {
|
||||
'r' => {
|
||||
if ident == "return" {
|
||||
return TokenKind::Return;
|
||||
}
|
||||
}
|
||||
Some('s') => {
|
||||
's' => {
|
||||
if ident == "select" {
|
||||
return TokenKind::Select;
|
||||
}
|
||||
}
|
||||
Some('t') => {
|
||||
't' => {
|
||||
if ident == "this" {
|
||||
return TokenKind::This;
|
||||
}
|
||||
|
|
@ -310,12 +287,12 @@ impl<'a> Tokens<'a> {
|
|||
return TokenKind::True;
|
||||
}
|
||||
}
|
||||
Some('w') => {
|
||||
'w' => {
|
||||
if ident == "while" {
|
||||
return TokenKind::While;
|
||||
}
|
||||
}
|
||||
Some('y') => {
|
||||
'y' => {
|
||||
if ident == "yield" {
|
||||
return TokenKind::Yield;
|
||||
}
|
||||
|
|
@ -323,7 +300,20 @@ impl<'a> Tokens<'a> {
|
|||
_ => (),
|
||||
}
|
||||
|
||||
TokenKind::Identifier(ident)
|
||||
TokenKind::Identifier
|
||||
}
|
||||
|
||||
fn identifier(&mut self, start: usize) -> Token<'a> {
|
||||
loop {
|
||||
// TODO: Use unicode identifier classes instead
|
||||
if !self.matches_next(|c| c.is_ascii_alphanumeric() || c == '_') {
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
let ident = &self.source[start..self.pos()];
|
||||
let kind = Self::identifier_token_kind(ident);
|
||||
Token::new(kind, start, ident)
|
||||
}
|
||||
|
||||
fn matches(&mut self, ch: char) -> bool {
|
||||
|
|
@ -342,14 +332,9 @@ impl<'a> Tokens<'a> {
|
|||
{
|
||||
if let Some((_, next_ch)) = self.next_char {
|
||||
if f(next_ch) {
|
||||
eprintln!("MATCHES NEXT: {next_ch}");
|
||||
self.advance();
|
||||
return true;
|
||||
} else {
|
||||
eprintln!("NOT MATCHES NEXT: {next_ch}");
|
||||
}
|
||||
} else {
|
||||
eprintln!("E O F");
|
||||
}
|
||||
false
|
||||
}
|
||||
|
|
@ -361,7 +346,6 @@ impl<'a> Tokens<'a> {
|
|||
fn advance(&mut self) -> Option<(usize, char)> {
|
||||
let result = self.next_char;
|
||||
self.next_char = self.chars.next();
|
||||
eprintln!("NEXT: {:?}", self.next_char);
|
||||
result
|
||||
}
|
||||
|
||||
|
|
@ -399,57 +383,57 @@ impl<'a> std::iter::Iterator for Tokens<'a> {
|
|||
};
|
||||
|
||||
let token = match c {
|
||||
'{' => TokenKind::LeftBrace,
|
||||
'}' => TokenKind::RightBrace,
|
||||
'[' => TokenKind::LeftBracket,
|
||||
']' => TokenKind::RightBracket,
|
||||
'(' => TokenKind::LeftParen,
|
||||
')' => TokenKind::RightParen,
|
||||
',' => TokenKind::Comma,
|
||||
'.' => TokenKind::Dot,
|
||||
'{' => self.token(pos, TokenKind::LeftBrace),
|
||||
'}' => self.token(pos, TokenKind::RightBrace),
|
||||
'[' => self.token(pos, TokenKind::LeftBracket),
|
||||
']' => self.token(pos, TokenKind::RightBracket),
|
||||
'(' => self.token(pos, TokenKind::LeftParen),
|
||||
')' => self.token(pos, TokenKind::RightParen),
|
||||
',' => self.token(pos, TokenKind::Comma),
|
||||
'.' => self.token(pos, TokenKind::Dot),
|
||||
'-' => {
|
||||
if self.matches_next(|c| c.is_ascii_digit()) {
|
||||
self.number(pos)
|
||||
} else {
|
||||
TokenKind::Minus
|
||||
self.token(pos, TokenKind::Minus)
|
||||
}
|
||||
}
|
||||
'+' => {
|
||||
if self.matches_next(|c| c.is_ascii_digit()) {
|
||||
self.number(pos)
|
||||
} else {
|
||||
TokenKind::Plus
|
||||
self.token(pos, TokenKind::Plus)
|
||||
}
|
||||
}
|
||||
';' => TokenKind::Semicolon,
|
||||
'/' => TokenKind::Slash,
|
||||
'*' => TokenKind::Star,
|
||||
';' => self.token(pos, TokenKind::Semicolon),
|
||||
'/' => self.token(pos, TokenKind::Slash),
|
||||
'*' => self.token(pos, TokenKind::Star),
|
||||
'!' => {
|
||||
if self.matches('=') {
|
||||
TokenKind::BangEqual
|
||||
self.token(pos, TokenKind::BangEqual)
|
||||
} else {
|
||||
TokenKind::Bang
|
||||
self.token(pos, TokenKind::Bang)
|
||||
}
|
||||
}
|
||||
'=' => {
|
||||
if self.matches('=') {
|
||||
TokenKind::EqualEqual
|
||||
self.token(pos, TokenKind::EqualEqual)
|
||||
} else {
|
||||
TokenKind::Equal
|
||||
self.token(pos, TokenKind::Equal)
|
||||
}
|
||||
}
|
||||
'>' => {
|
||||
if self.matches('=') {
|
||||
TokenKind::GreaterEqual
|
||||
self.token(pos, TokenKind::GreaterEqual)
|
||||
} else {
|
||||
TokenKind::Greater
|
||||
self.token(pos, TokenKind::Greater)
|
||||
}
|
||||
}
|
||||
'<' => {
|
||||
if self.matches('=') {
|
||||
TokenKind::LessEqual
|
||||
self.token(pos, TokenKind::LessEqual)
|
||||
} else {
|
||||
TokenKind::Less
|
||||
self.token(pos, TokenKind::Less)
|
||||
}
|
||||
}
|
||||
'\'' => self.string(pos, '\''),
|
||||
|
|
@ -460,11 +444,10 @@ impl<'a> std::iter::Iterator for Tokens<'a> {
|
|||
} else if c.is_ascii_alphabetic() || c == '_' {
|
||||
self.identifier(pos)
|
||||
} else {
|
||||
TokenKind::Error(format!("Unexpected character '{c}'"))
|
||||
Token::error(pos, format!("Unexpected character '{c}'"))
|
||||
}
|
||||
}
|
||||
};
|
||||
let token = self.token(pos, token);
|
||||
Some(token)
|
||||
}
|
||||
}
|
||||
|
|
@ -480,7 +463,12 @@ mod tests {
|
|||
fn $name() {
|
||||
use TokenKind::*;
|
||||
let tokens: Vec<_> = Tokens::new($input).collect();
|
||||
let expected = vec![$($s),*];
|
||||
|
||||
let expected: Vec<Token> = (vec![$($s),*])
|
||||
.into_iter()
|
||||
.map(|t| Token::new(t.1, t.0, t.2))
|
||||
.collect();
|
||||
|
||||
assert_eq!(expected, tokens);
|
||||
}
|
||||
}
|
||||
|
|
@ -489,81 +477,81 @@ mod tests {
|
|||
test_tokens!(
|
||||
numbers,
|
||||
"1 1.0 1.2e7 2.3e+7 3.3E-06 7_6 8.0e_8",
|
||||
Token::new(0, Number("1")),
|
||||
Token::new(2, Number("1.0")),
|
||||
Token::new(6, Number("1.2e7")),
|
||||
Token::new(12, Number("2.3e+7")),
|
||||
Token::new(19, Number("3.3E-06")),
|
||||
Token::new(27, Number("7_6")),
|
||||
Token::new(31, Number("8.0e_8"))
|
||||
(0, Number, "1"),
|
||||
(2, Number, "1.0"),
|
||||
(6, Number, "1.2e7"),
|
||||
(12, Number, "2.3e+7"),
|
||||
(19, Number, "3.3E-06"),
|
||||
(27, Number, "7_6"),
|
||||
(31, Number, "8.0e_8")
|
||||
);
|
||||
|
||||
test_tokens!(
|
||||
identifiers,
|
||||
"asdf x _123 a_23 x3a and or yield async await class else false for from",
|
||||
Token::new(0, Identifier("asdf")),
|
||||
Token::new(5, Identifier("x")),
|
||||
Token::new(7, Identifier("_123")),
|
||||
Token::new(12, Identifier("a_23")),
|
||||
Token::new(17, Identifier("x3a")),
|
||||
Token::new(21, And),
|
||||
Token::new(25, Or),
|
||||
Token::new(28, Yield),
|
||||
Token::new(34, Async),
|
||||
Token::new(40, Await),
|
||||
Token::new(46, Class),
|
||||
Token::new(52, Else),
|
||||
Token::new(57, False),
|
||||
Token::new(63, For),
|
||||
Token::new(67, From)
|
||||
(0, Identifier, "asdf"),
|
||||
(5, Identifier, "x"),
|
||||
(7, Identifier, "_123"),
|
||||
(12, Identifier, "a_23"),
|
||||
(17, Identifier, "x3a"),
|
||||
(21, And, "and"),
|
||||
(25, Or, "or"),
|
||||
(28, Yield, "yield"),
|
||||
(34, Async, "async"),
|
||||
(40, Await, "await"),
|
||||
(46, Class, "class"),
|
||||
(52, Else, "else"),
|
||||
(57, False, "false"),
|
||||
(63, For, "for"),
|
||||
(67, From, "from")
|
||||
);
|
||||
|
||||
test_tokens!(
|
||||
more_keywords,
|
||||
"fun if let print return select this true while truewhile",
|
||||
Token::new(0, Fun),
|
||||
Token::new(4, If),
|
||||
Token::new(7, Let),
|
||||
Token::new(11, Print),
|
||||
Token::new(17, Return),
|
||||
Token::new(24, Select),
|
||||
Token::new(31, This),
|
||||
Token::new(36, True),
|
||||
Token::new(41, While),
|
||||
Token::new(47, Identifier("truewhile"))
|
||||
(0, Fun, "fun"),
|
||||
(4, If, "if"),
|
||||
(7, Let, "let"),
|
||||
(11, Print, "print"),
|
||||
(17, Return, "return"),
|
||||
(24, Select, "select"),
|
||||
(31, This, "this"),
|
||||
(36, True, "true"),
|
||||
(41, While, "while"),
|
||||
(47, Identifier, "truewhile")
|
||||
);
|
||||
|
||||
test_tokens!(
|
||||
strings,
|
||||
r#"'this is a string that\'s great!\r\n' "foo's" 'bar"s' "#,
|
||||
Token::new(0, String(r#"'this is a string that\'s great!\r\n'"#)),
|
||||
Token::new(38, String(r#""foo's""#)),
|
||||
Token::new(46, String("'bar\"s'"))
|
||||
(0, String, r#"'this is a string that\'s great!\r\n'"#),
|
||||
(38, String, r#""foo's""#),
|
||||
(46, String, "'bar\"s'")
|
||||
);
|
||||
|
||||
test_tokens!(
|
||||
symbols,
|
||||
"{ } ( ) [ ] . ! != < <= > >= = == , - + * / ;",
|
||||
Token::new(0, LeftBrace),
|
||||
Token::new(2, RightBrace),
|
||||
Token::new(4, LeftParen),
|
||||
Token::new(6, RightParen),
|
||||
Token::new(8, LeftBracket),
|
||||
Token::new(10, RightBracket),
|
||||
Token::new(12, Dot),
|
||||
Token::new(14, Bang),
|
||||
Token::new(16, BangEqual),
|
||||
Token::new(19, Less),
|
||||
Token::new(21, LessEqual),
|
||||
Token::new(24, Greater),
|
||||
Token::new(26, GreaterEqual),
|
||||
Token::new(29, Equal),
|
||||
Token::new(31, EqualEqual),
|
||||
Token::new(34, Comma),
|
||||
Token::new(36, Minus),
|
||||
Token::new(38, Plus),
|
||||
Token::new(40, Star),
|
||||
Token::new(42, Slash),
|
||||
Token::new(44, Semicolon)
|
||||
(0, LeftBrace, "{"),
|
||||
(2, RightBrace, "}"),
|
||||
(4, LeftParen, "("),
|
||||
(6, RightParen, ")"),
|
||||
(8, LeftBracket, "["),
|
||||
(10, RightBracket, "]"),
|
||||
(12, Dot, "."),
|
||||
(14, Bang, "!"),
|
||||
(16, BangEqual, "!="),
|
||||
(19, Less, "<"),
|
||||
(21, LessEqual, "<="),
|
||||
(24, Greater, ">"),
|
||||
(26, GreaterEqual, ">="),
|
||||
(29, Equal, "="),
|
||||
(31, EqualEqual, "=="),
|
||||
(34, Comma, ","),
|
||||
(36, Minus, "-"),
|
||||
(38, Plus, "+"),
|
||||
(40, Star, "*"),
|
||||
(42, Slash, "/"),
|
||||
(44, Semicolon, ";")
|
||||
);
|
||||
}
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue