Stream-lined token matching.
This commit is contained in:
+76
-167
@@ -93,6 +93,13 @@ impl<'a> Lexer<'a> {
|
||||
span
|
||||
}
|
||||
|
||||
fn emit(&mut self, token: Token, len: usize) -> TokenSpan<'a> {
|
||||
TokenSpan {
|
||||
token,
|
||||
span: self.consume(len),
|
||||
}
|
||||
}
|
||||
|
||||
fn peek_char(&self) -> Option<char> {
|
||||
self.input[self.cursor.pos..].chars().next()
|
||||
}
|
||||
@@ -100,53 +107,57 @@ impl<'a> Lexer<'a> {
|
||||
fn peek_ident(&self) -> Option<&'a str> {
|
||||
let first = self
|
||||
.peek_char()
|
||||
.filter(|c| c.is_alphabetic() || *c == UNDERSCORE)?;
|
||||
.filter(|c| c.is_alphabetic() || *c == '_')?;
|
||||
let start = self.cursor.pos;
|
||||
let remaining = start + first.len_utf8();
|
||||
let end = remaining
|
||||
+ self.input[remaining..]
|
||||
.chars()
|
||||
.take_while(|c| c.is_alphanumeric() || *c == UNDERSCORE)
|
||||
.map(|c| c.len_utf8())
|
||||
.sum::<usize>();
|
||||
Some(&self.input[start..end])
|
||||
|
||||
let offset = self.input[remaining..]
|
||||
.char_indices()
|
||||
.find(|(_, c)| !c.is_alphanumeric() && *c != '_')
|
||||
.map(|(idx, _)| idx)
|
||||
.unwrap_or(self.input[remaining..].len());
|
||||
|
||||
Some(&self.input[start..remaining + offset])
|
||||
}
|
||||
|
||||
fn peek_number(&self) -> Option<&'a str> {
|
||||
let first = self
|
||||
.peek_char()
|
||||
.filter(|c| c.is_digit(10) || *c == DECIMAL_POINT)?;
|
||||
let first = self.peek_char().filter(|c| c.is_digit(10))?;
|
||||
let start = self.cursor.pos;
|
||||
let remaining = start + first.len_utf8();
|
||||
let end = remaining
|
||||
+ self.input[remaining..]
|
||||
.chars()
|
||||
.take_while(|c| c.is_digit(10) || *c == UNDERSCORE || *c == DECIMAL_POINT)
|
||||
.map(|c| c.len_utf8())
|
||||
.sum::<usize>();
|
||||
Some(&self.input[start..end])
|
||||
|
||||
let offset = self.input[remaining..]
|
||||
.char_indices()
|
||||
.find(|(_, c)| !c.is_digit(10) && *c != '_' && *c != '.')
|
||||
.map(|(idx, _)| idx)
|
||||
.unwrap_or(self.input[remaining..].len());
|
||||
|
||||
Some(&self.input[start..remaining + offset])
|
||||
}
|
||||
|
||||
fn peek_string(&self) -> Option<&'a str> {
|
||||
let first = self.peek_char().filter(|c| *c == DOUBLE_QUOTE)?;
|
||||
let first = self.peek_char().filter(|c| *c == '"')?;
|
||||
let start = self.cursor.pos;
|
||||
let remaining = start + first.len_utf8();
|
||||
|
||||
let mut end = remaining;
|
||||
let mut escaped = false;
|
||||
while let Some(c) = self.input[end..].chars().next() {
|
||||
|
||||
let mut chars = self.input[end..].chars();
|
||||
while let Some(c) = chars.next() {
|
||||
end += c.len_utf8();
|
||||
if escaped {
|
||||
escaped = false;
|
||||
continue;
|
||||
}
|
||||
if c == ESCAPE {
|
||||
if c == '\\' {
|
||||
escaped = true;
|
||||
continue;
|
||||
}
|
||||
if c == DOUBLE_QUOTE {
|
||||
if c == '"' {
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
Some(&self.input[start..end])
|
||||
}
|
||||
|
||||
@@ -155,10 +166,6 @@ impl<'a> Lexer<'a> {
|
||||
self.cursor.advance_by(c.len_utf8());
|
||||
}
|
||||
}
|
||||
|
||||
fn starts_with(&self, s: &str) -> bool {
|
||||
self.input[self.cursor.pos..].starts_with(s)
|
||||
}
|
||||
}
|
||||
|
||||
impl<'a> Iterator for Lexer<'a> {
|
||||
@@ -167,145 +174,47 @@ impl<'a> Iterator for Lexer<'a> {
|
||||
fn next(&mut self) -> Option<Self::Item> {
|
||||
self.skip_whitespace();
|
||||
|
||||
match self.peek_char()? {
|
||||
COLON => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::Colon,
|
||||
span: self.consume(COLON.len_utf8()),
|
||||
});
|
||||
}
|
||||
CURLY_BRACKET_L => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::CurlyBracketL,
|
||||
span: self.consume(CURLY_BRACKET_L.len_utf8()),
|
||||
});
|
||||
}
|
||||
CURLY_BRACKET_R => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::CurlyBracketR,
|
||||
span: self.consume(CURLY_BRACKET_R.len_utf8()),
|
||||
});
|
||||
}
|
||||
EQUALS => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::Equals,
|
||||
span: self.consume(EQUALS.len_utf8()),
|
||||
});
|
||||
}
|
||||
GREATER_THAN => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::GreaterThan,
|
||||
span: self.consume(GREATER_THAN.len_utf8()),
|
||||
});
|
||||
}
|
||||
HYPHEN => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::Hyphen,
|
||||
span: self.consume(HYPHEN.len_utf8()),
|
||||
});
|
||||
}
|
||||
LESS_THAN => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::LessThan,
|
||||
span: self.consume(LESS_THAN.len_utf8()),
|
||||
});
|
||||
}
|
||||
PAREN_L => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::ParenL,
|
||||
span: self.consume(PAREN_L.len_utf8()),
|
||||
});
|
||||
}
|
||||
PAREN_R => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::ParenR,
|
||||
span: self.consume(PAREN_R.len_utf8()),
|
||||
});
|
||||
}
|
||||
PLUS => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::Plus,
|
||||
span: self.consume(PLUS.len_utf8()),
|
||||
});
|
||||
}
|
||||
SEMICOLON => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::Semicolon,
|
||||
span: self.consume(SEMICOLON.len_utf8()),
|
||||
});
|
||||
}
|
||||
SQUARE_BRACKET_L => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::SquareBracketL,
|
||||
span: self.consume(SQUARE_BRACKET_L.len_utf8()),
|
||||
});
|
||||
}
|
||||
SQUARE_BRACKET_R => {
|
||||
return Some(TokenSpan {
|
||||
token: Token::SquareBracketR,
|
||||
span: self.consume(SQUARE_BRACKET_R.len_utf8()),
|
||||
});
|
||||
}
|
||||
_ => {}
|
||||
}
|
||||
|
||||
if self.starts_with(FN) {
|
||||
return Some(TokenSpan {
|
||||
token: Token::Fn,
|
||||
span: self.consume(FN.len()),
|
||||
});
|
||||
}
|
||||
if self.starts_with(LET) {
|
||||
return Some(TokenSpan {
|
||||
token: Token::Let,
|
||||
span: self.consume(LET.len()),
|
||||
});
|
||||
}
|
||||
let c = self.peek_char()?;
|
||||
if let Some(token) = match c {
|
||||
':' => Some(Token::Colon),
|
||||
',' => Some(Token::Comma),
|
||||
'{' => Some(Token::CurlyBracketL),
|
||||
'}' => Some(Token::CurlyBracketR),
|
||||
'=' => Some(Token::Equals),
|
||||
'>' => Some(Token::GreaterThan),
|
||||
'-' => Some(Token::Hyphen),
|
||||
'<' => Some(Token::LessThan),
|
||||
'(' => Some(Token::ParenL),
|
||||
')' => Some(Token::ParenR),
|
||||
'+' => Some(Token::Plus),
|
||||
';' => Some(Token::Semicolon),
|
||||
'[' => Some(Token::SquareBracketL),
|
||||
']' => Some(Token::SquareBracketR),
|
||||
_ => None,
|
||||
} {
|
||||
return Some(self.emit(token, c.len_utf8()));
|
||||
};
|
||||
|
||||
if let Some(ident) = self.peek_ident() {
|
||||
Some(TokenSpan {
|
||||
token: Token::Ident,
|
||||
span: self.consume(ident.len()),
|
||||
})
|
||||
} else if let Some(number) = self.peek_number() {
|
||||
Some(TokenSpan {
|
||||
token: Token::Number,
|
||||
span: self.consume(number.len()),
|
||||
})
|
||||
} else if let Some(string) = self.peek_string() {
|
||||
Some(TokenSpan {
|
||||
token: Token::String,
|
||||
span: self.consume(string.len()),
|
||||
})
|
||||
} else {
|
||||
Some(TokenSpan {
|
||||
token: Token::Unknown,
|
||||
span: self.consume(1),
|
||||
})
|
||||
}
|
||||
}
|
||||
let token = match ident {
|
||||
"fn" => Token::Fn,
|
||||
"let" => Token::Let,
|
||||
_ => Token::Ident,
|
||||
};
|
||||
return Some(self.emit(token, ident.len()));
|
||||
}
|
||||
|
||||
const COLON: char = ':';
|
||||
const CURLY_BRACKET_L: char = '{';
|
||||
const CURLY_BRACKET_R: char = '}';
|
||||
const DECIMAL_POINT: char = '.';
|
||||
const DOUBLE_QUOTE: char = '"';
|
||||
const EQUALS: char = '=';
|
||||
const ESCAPE: char = '\\';
|
||||
const GREATER_THAN: char = '>';
|
||||
const HYPHEN: char = '-';
|
||||
const LESS_THAN: char = '<';
|
||||
const PAREN_L: char = '(';
|
||||
const PAREN_R: char = ')';
|
||||
const PLUS: char = '+';
|
||||
const SEMICOLON: char = ';';
|
||||
const SQUARE_BRACKET_L: char = '[';
|
||||
const SQUARE_BRACKET_R: char = ']';
|
||||
const UNDERSCORE: char = '_';
|
||||
if let Some(num) = self.peek_number() {
|
||||
return Some(self.emit(Token::Number, num.len()));
|
||||
}
|
||||
|
||||
const FN: &str = "fn";
|
||||
const LET: &str = "let";
|
||||
if let Some(str) = self.peek_string() {
|
||||
return Some(self.emit(Token::String, str.len()));
|
||||
}
|
||||
|
||||
Some(self.emit(Token::Unknown, c.len_utf8()))
|
||||
}
|
||||
}
|
||||
|
||||
#[cfg(test)]
|
||||
mod tests {
|
||||
@@ -352,14 +261,14 @@ mod tests {
|
||||
|
||||
#[test]
|
||||
fn numbers() {
|
||||
let input = ".5 5 50.0 5_000 50.000_0 50_000.000_000";
|
||||
let input = "0.5 5 50.0 5_000 50.000_0 50_000.000_000";
|
||||
let mut lexer = Lexer::new(input);
|
||||
assert_next_token(&mut lexer, Token::Number, ".5", 0);
|
||||
assert_next_token(&mut lexer, Token::Number, "5", 3);
|
||||
assert_next_token(&mut lexer, Token::Number, "50.0", 5);
|
||||
assert_next_token(&mut lexer, Token::Number, "5_000", 10);
|
||||
assert_next_token(&mut lexer, Token::Number, "50.000_0", 16);
|
||||
assert_next_token(&mut lexer, Token::Number, "50_000.000_000", 25);
|
||||
assert_next_token(&mut lexer, Token::Number, "0.5", 0);
|
||||
assert_next_token(&mut lexer, Token::Number, "5", 4);
|
||||
assert_next_token(&mut lexer, Token::Number, "50.0", 6);
|
||||
assert_next_token(&mut lexer, Token::Number, "5_000", 11);
|
||||
assert_next_token(&mut lexer, Token::Number, "50.000_0", 17);
|
||||
assert_next_token(&mut lexer, Token::Number, "50_000.000_000", 26);
|
||||
assert_eq!(lexer.next(), None);
|
||||
}
|
||||
|
||||
|
||||
Reference in New Issue
Block a user