compiler/parser/Ctype.lhs

   1 Character classification
   2
   3 \begin{code}
   4 module Ctype
   5         ( is_ident      -- Char# -> Bool
   6         , is_symbol     -- Char# -> Bool
   7         , is_any        -- Char# -> Bool
   8         , is_space      -- Char# -> Bool
   9         , is_lower      -- Char# -> Bool
  10         , is_upper      -- Char# -> Bool
  11         , is_digit      -- Char# -> Bool
  12         , is_alphanum   -- Char# -> Bool
  13
  14         , is_decdigit, is_hexdigit, is_octdigit
  15         , hexDigit, octDecDigit
  16         ) where
  17
  18 #include "HsVersions.h"
  19
  20 import Data.Int         ( Int32 )
  21 import Data.Bits        ( Bits((.&.)) )
  22 import Data.Char        ( ord, chr )
  23 import Panic
  24 \end{code}
  25
  26 Bit masks
  27
  28 \begin{code}
  29 cIdent, cSymbol, cAny, cSpace, cLower, cUpper, cDigit :: Int
  30 cIdent  =  1
  31 cSymbol =  2
  32 cAny    =  4
  33 cSpace  =  8
  34 cLower  = 16
  35 cUpper  = 32
  36 cDigit  = 64
  37 \end{code}
  38
  39 The predicates below look costly, but aren't, GHC+GCC do a great job
  40 at the big case below.
  41
  42 \begin{code}
  43 {-# INLINE is_ctype #-}
  44 is_ctype :: Int -> Char -> Bool
  45 is_ctype mask c = (fromIntegral (charType c) .&. fromIntegral mask) /= (0::Int32)
  46
  47 is_ident, is_symbol, is_any, is_space, is_lower, is_upper, is_digit,
  48     is_alphanum :: Char -> Bool
  49 is_ident  = is_ctype cIdent
  50 is_symbol = is_ctype cSymbol
  51 is_any    = is_ctype cAny
  52 is_space  = is_ctype cSpace
  53 is_lower  = is_ctype cLower
  54 is_upper  = is_ctype cUpper
  55 is_digit  = is_ctype cDigit
  56 is_alphanum = is_ctype (cLower+cUpper+cDigit)
  57 \end{code}
  58
  59 Utils
  60
  61 \begin{code}
  62 hexDigit :: Char -> Int
  63 hexDigit c | is_decdigit c = ord c - ord '0'
  64            | otherwise     = ord (to_lower c) - ord 'a' + 10
  65
  66 octDecDigit :: Char -> Int
  67 octDecDigit c = ord c - ord '0'
  68
  69 is_decdigit :: Char -> Bool
  70 is_decdigit c
  71         =  c >= '0' && c <= '9'
  72
  73 is_hexdigit :: Char -> Bool
  74 is_hexdigit c
  75         =  is_decdigit c
  76         || (c >= 'a' && c <= 'f')
  77         || (c >= 'A' && c <= 'F')
  78
  79 is_octdigit :: Char -> Bool
  80 is_octdigit c = c >= '0' && c <= '7'
  81
  82 to_lower :: Char -> Char
  83 to_lower c
  84   | c >=  'A' && c <= 'Z' = chr (ord c - (ord 'A' - ord 'a'))
  85   | otherwise = c
  86 \end{code}
  87
  88 We really mean .|. instead of + below, but GHC currently doesn't do
  89 any constant folding with bitops. *sigh*
  90
  91 \begin{code}
  92 charType :: Char -> Int
  93 charType c = case c of
  94    '\0'   -> 0                         -- \000
  95    '\1'   -> 0                         -- \001
  96    '\2'   -> 0                         -- \002
  97    '\3'   -> 0                         -- \003
  98    '\4'   -> 0                         -- \004
  99    '\5'   -> 0                         -- \005
 100    '\6'   -> 0                         -- \006
 101    '\7'   -> 0                         -- \007
 102    '\8'   -> 0                         -- \010
 103    '\9'   -> cSpace                    -- \t  (not allowed in strings, so !cAny)
 104    '\10'  -> cSpace                    -- \n  (ditto)
 105    '\11'  -> cSpace                    -- \v  (ditto)
 106    '\12'  -> cSpace                    -- \f  (ditto)
 107    '\13'  -> cSpace                    --  ^M (ditto)
 108    '\14'  -> 0                         -- \016
 109    '\15'  -> 0                         -- \017
 110    '\16'  -> 0                         -- \020
 111    '\17'  -> 0                         -- \021
 112    '\18'  -> 0                         -- \022
 113    '\19'  -> 0                         -- \023
 114    '\20'  -> 0                         -- \024
 115    '\21'  -> 0                         -- \025
 116    '\22'  -> 0                         -- \026
 117    '\23'  -> 0                         -- \027
 118    '\24'  -> 0                         -- \030
 119    '\25'  -> 0                         -- \031
 120    '\26'  -> 0                         -- \032
 121    '\27'  -> 0                         -- \033
 122    '\28'  -> 0                         -- \034
 123    '\29'  -> 0                         -- \035
 124    '\30'  -> 0                         -- \036
 125    '\31'  -> 0                         -- \037
 126    '\32'  -> cAny + cSpace             --
 127    '\33'  -> cAny + cSymbol            -- !
 128    '\34'  -> cAny                      -- "
 129    '\35'  -> cAny + cSymbol            --  #
 130    '\36'  -> cAny + cSymbol            --  $
 131    '\37'  -> cAny + cSymbol            -- %
 132    '\38'  -> cAny + cSymbol            -- &
 133    '\39'  -> cAny + cIdent             -- '
 134    '\40'  -> cAny                      -- (
 135    '\41'  -> cAny                      -- )
 136    '\42'  -> cAny + cSymbol            --  *
 137    '\43'  -> cAny + cSymbol            -- +
 138    '\44'  -> cAny                      -- ,
 139    '\45'  -> cAny + cSymbol            -- -
 140    '\46'  -> cAny + cSymbol            -- .
 141    '\47'  -> cAny + cSymbol            --  /
 142    '\48'  -> cAny + cIdent  + cDigit   -- 0
 143    '\49'  -> cAny + cIdent  + cDigit   -- 1
 144    '\50'  -> cAny + cIdent  + cDigit   -- 2
 145    '\51'  -> cAny + cIdent  + cDigit   -- 3
 146    '\52'  -> cAny + cIdent  + cDigit   -- 4
 147    '\53'  -> cAny + cIdent  + cDigit   -- 5
 148    '\54'  -> cAny + cIdent  + cDigit   -- 6
 149    '\55'  -> cAny + cIdent  + cDigit   -- 7
 150    '\56'  -> cAny + cIdent  + cDigit   -- 8
 151    '\57'  -> cAny + cIdent  + cDigit   -- 9
 152    '\58'  -> cAny + cSymbol            -- :
 153    '\59'  -> cAny                      -- ;
 154    '\60'  -> cAny + cSymbol            -- <
 155    '\61'  -> cAny + cSymbol            -- =
 156    '\62'  -> cAny + cSymbol            -- >
 157    '\63'  -> cAny + cSymbol            -- ?
 158    '\64'  -> cAny + cSymbol            -- @
 159    '\65'  -> cAny + cIdent  + cUpper   -- A
 160    '\66'  -> cAny + cIdent  + cUpper   -- B
 161    '\67'  -> cAny + cIdent  + cUpper   -- C
 162    '\68'  -> cAny + cIdent  + cUpper   -- D
 163    '\69'  -> cAny + cIdent  + cUpper   -- E
 164    '\70'  -> cAny + cIdent  + cUpper   -- F
 165    '\71'  -> cAny + cIdent  + cUpper   -- G
 166    '\72'  -> cAny + cIdent  + cUpper   -- H
 167    '\73'  -> cAny + cIdent  + cUpper   -- I
 168    '\74'  -> cAny + cIdent  + cUpper   -- J
 169    '\75'  -> cAny + cIdent  + cUpper   -- K
 170    '\76'  -> cAny + cIdent  + cUpper   -- L
 171    '\77'  -> cAny + cIdent  + cUpper   -- M
 172    '\78'  -> cAny + cIdent  + cUpper   -- N
 173    '\79'  -> cAny + cIdent  + cUpper   -- O
 174    '\80'  -> cAny + cIdent  + cUpper   -- P
 175    '\81'  -> cAny + cIdent  + cUpper   -- Q
 176    '\82'  -> cAny + cIdent  + cUpper   -- R
 177    '\83'  -> cAny + cIdent  + cUpper   -- S
 178    '\84'  -> cAny + cIdent  + cUpper   -- T
 179    '\85'  -> cAny + cIdent  + cUpper   -- U
 180    '\86'  -> cAny + cIdent  + cUpper   -- V
 181    '\87'  -> cAny + cIdent  + cUpper   -- W
 182    '\88'  -> cAny + cIdent  + cUpper   -- X
 183    '\89'  -> cAny + cIdent  + cUpper   -- Y
 184    '\90'  -> cAny + cIdent  + cUpper   -- Z
 185    '\91'  -> cAny                      -- [
 186    '\92'  -> cAny + cSymbol            -- backslash
 187    '\93'  -> cAny                      -- ]
 188    '\94'  -> cAny + cSymbol            --  ^
 189    '\95'  -> cAny + cIdent  + cLower   -- _
 190    '\96'  -> cAny                      -- `
 191    '\97'  -> cAny + cIdent  + cLower   -- a
 192    '\98'  -> cAny + cIdent  + cLower   -- b
 193    '\99'  -> cAny + cIdent  + cLower   -- c
 194    '\100' -> cAny + cIdent  + cLower   -- d
 195    '\101' -> cAny + cIdent  + cLower   -- e
 196    '\102' -> cAny + cIdent  + cLower   -- f
 197    '\103' -> cAny + cIdent  + cLower   -- g
 198    '\104' -> cAny + cIdent  + cLower   -- h
 199    '\105' -> cAny + cIdent  + cLower   -- i
 200    '\106' -> cAny + cIdent  + cLower   -- j
 201    '\107' -> cAny + cIdent  + cLower   -- k
 202    '\108' -> cAny + cIdent  + cLower   -- l
 203    '\109' -> cAny + cIdent  + cLower   -- m
 204    '\110' -> cAny + cIdent  + cLower   -- n
 205    '\111' -> cAny + cIdent  + cLower   -- o
 206    '\112' -> cAny + cIdent  + cLower   -- p
 207    '\113' -> cAny + cIdent  + cLower   -- q
 208    '\114' -> cAny + cIdent  + cLower   -- r
 209    '\115' -> cAny + cIdent  + cLower   -- s
 210    '\116' -> cAny + cIdent  + cLower   -- t
 211    '\117' -> cAny + cIdent  + cLower   -- u
 212    '\118' -> cAny + cIdent  + cLower   -- v
 213    '\119' -> cAny + cIdent  + cLower   -- w
 214    '\120' -> cAny + cIdent  + cLower   -- x
 215    '\121' -> cAny + cIdent  + cLower   -- y
 216    '\122' -> cAny + cIdent  + cLower   -- z
 217    '\123' -> cAny                      -- {
 218    '\124' -> cAny + cSymbol            --  |
 219    '\125' -> cAny                      -- }
 220    '\126' -> cAny + cSymbol            -- ~
 221    '\127' -> 0                         -- \177
 222    '\128' -> 0                         -- \200
 223    '\129' -> 0                         -- \201
 224    '\130' -> 0                         -- \202
 225    '\131' -> 0                         -- \203
 226    '\132' -> 0                         -- \204
 227    '\133' -> 0                         -- \205
 228    '\134' -> 0                         -- \206
 229    '\135' -> 0                         -- \207
 230    '\136' -> 0                         -- \210
 231    '\137' -> 0                         -- \211
 232    '\138' -> 0                         -- \212
 233    '\139' -> 0                         -- \213
 234    '\140' -> 0                         -- \214
 235    '\141' -> 0                         -- \215
 236    '\142' -> 0                         -- \216
 237    '\143' -> 0                         -- \217
 238    '\144' -> 0                         -- \220
 239    '\145' -> 0                         -- \221
 240    '\146' -> 0                         -- \222
 241    '\147' -> 0                         -- \223
 242    '\148' -> 0                         -- \224
 243    '\149' -> 0                         -- \225
 244    '\150' -> 0                         -- \226
 245    '\151' -> 0                         -- \227
 246    '\152' -> 0                         -- \230
 247    '\153' -> 0                         -- \231
 248    '\154' -> 0                         -- \232
 249    '\155' -> 0                         -- \233
 250    '\156' -> 0                         -- \234
 251    '\157' -> 0                         -- \235
 252    '\158' -> 0                         -- \236
 253    '\159' -> 0                         -- \237
 254    '\160' -> cSpace                    --
 255    '\161' -> cAny + cSymbol            -- ¡
 256    '\162' -> cAny + cSymbol            -- ¢
 257    '\163' -> cAny + cSymbol            -- £
 258    '\164' -> cAny + cSymbol            -- ¤
 259    '\165' -> cAny + cSymbol            -- ¥
 260    '\166' -> cAny + cSymbol            -- ¦
 261    '\167' -> cAny + cSymbol            -- §
 262    '\168' -> cAny + cSymbol            -- ¨
 263    '\169' -> cAny + cSymbol            -- ©
 264    '\170' -> cAny + cSymbol            -- ª
 265    '\171' -> cAny + cSymbol            -- «
 266    '\172' -> cAny + cSymbol            -- ¬
 267    '\173' -> cAny + cSymbol            --
 268    '\174' -> cAny + cSymbol            -- ®
 269    '\175' -> cAny + cSymbol            -- ¯
 270    '\176' -> cAny + cSymbol            -- °
 271    '\177' -> cAny + cSymbol            -- ±
 272    '\178' -> cAny + cSymbol            -- ²
 273    '\179' -> cAny + cSymbol            -- ³
 274    '\180' -> cAny + cSymbol            -- ´
 275    '\181' -> cAny + cSymbol            -- µ
 276    '\182' -> cAny + cSymbol            -- ¶
 277    '\183' -> cAny + cSymbol            -- ·
 278    '\184' -> cAny + cSymbol            -- ¸
 279    '\185' -> cAny + cSymbol            -- ¹
 280    '\186' -> cAny + cSymbol            -- º
 281    '\187' -> cAny + cSymbol            -- »
 282    '\188' -> cAny + cSymbol            -- ¼
 283    '\189' -> cAny + cSymbol            -- ½
 284    '\190' -> cAny + cSymbol            -- ¾
 285    '\191' -> cAny + cSymbol            -- ¿
 286    '\192' -> cAny + cIdent  + cUpper   -- À
 287    '\193' -> cAny + cIdent  + cUpper   -- Á
 288    '\194' -> cAny + cIdent  + cUpper   -- Â
 289    '\195' -> cAny + cIdent  + cUpper   -- Ã
 290    '\196' -> cAny + cIdent  + cUpper   -- Ä
 291    '\197' -> cAny + cIdent  + cUpper   -- Å
 292    '\198' -> cAny + cIdent  + cUpper   -- Æ
 293    '\199' -> cAny + cIdent  + cUpper   -- Ç
 294    '\200' -> cAny + cIdent  + cUpper   -- È
 295    '\201' -> cAny + cIdent  + cUpper   -- É
 296    '\202' -> cAny + cIdent  + cUpper   -- Ê
 297    '\203' -> cAny + cIdent  + cUpper   -- Ë
 298    '\204' -> cAny + cIdent  + cUpper   -- Ì
 299    '\205' -> cAny + cIdent  + cUpper   -- Í
 300    '\206' -> cAny + cIdent  + cUpper   -- Î
 301    '\207' -> cAny + cIdent  + cUpper   -- Ï
 302    '\208' -> cAny + cIdent  + cUpper   -- Ð
 303    '\209' -> cAny + cIdent  + cUpper   -- Ñ
 304    '\210' -> cAny + cIdent  + cUpper   -- Ò
 305    '\211' -> cAny + cIdent  + cUpper   -- Ó
 306    '\212' -> cAny + cIdent  + cUpper   -- Ô
 307    '\213' -> cAny + cIdent  + cUpper   -- Õ
 308    '\214' -> cAny + cIdent  + cUpper   -- Ö
 309    '\215' -> cAny + cSymbol + cLower   -- ×
 310    '\216' -> cAny + cIdent  + cUpper   -- Ø
 311    '\217' -> cAny + cIdent  + cUpper   -- Ù
 312    '\218' -> cAny + cIdent  + cUpper   -- Ú
 313    '\219' -> cAny + cIdent  + cUpper   -- Û
 314    '\220' -> cAny + cIdent  + cUpper   -- Ü
 315    '\221' -> cAny + cIdent  + cUpper   -- Ý
 316    '\222' -> cAny + cIdent  + cUpper   -- Þ
 317    '\223' -> cAny + cIdent             -- ß
 318    '\224' -> cAny + cIdent  + cLower   -- à
 319    '\225' -> cAny + cIdent  + cLower   -- á
 320    '\226' -> cAny + cIdent  + cLower   -- â
 321    '\227' -> cAny + cIdent  + cLower   -- ã
 322    '\228' -> cAny + cIdent  + cLower   -- ä
 323    '\229' -> cAny + cIdent  + cLower   -- å
 324    '\230' -> cAny + cIdent  + cLower   -- æ
 325    '\231' -> cAny + cIdent  + cLower   -- ç
 326    '\232' -> cAny + cIdent  + cLower   -- è
 327    '\233' -> cAny + cIdent  + cLower   -- é
 328    '\234' -> cAny + cIdent  + cLower   -- ê
 329    '\235' -> cAny + cIdent  + cLower   -- ë
 330    '\236' -> cAny + cIdent  + cLower   -- ì
 331    '\237' -> cAny + cIdent  + cLower   -- í
 332    '\238' -> cAny + cIdent  + cLower   -- î
 333    '\239' -> cAny + cIdent  + cLower   -- ï
 334    '\240' -> cAny + cIdent  + cLower   -- ð
 335    '\241' -> cAny + cIdent  + cLower   -- ñ
 336    '\242' -> cAny + cIdent  + cLower   -- ò
 337    '\243' -> cAny + cIdent  + cLower   -- ó
 338    '\244' -> cAny + cIdent  + cLower   -- ô
 339    '\245' -> cAny + cIdent  + cLower   -- õ
 340    '\246' -> cAny + cIdent  + cLower   -- ö
 341    '\247' -> cAny + cSymbol            -- ÷
 342    '\248' -> cAny + cIdent             -- ø
 343    '\249' -> cAny + cIdent  + cLower   -- ù
 344    '\250' -> cAny + cIdent  + cLower   -- ú
 345    '\251' -> cAny + cIdent  + cLower   -- û
 346    '\252' -> cAny + cIdent  + cLower   -- ü
 347    '\253' -> cAny + cIdent  + cLower   -- ý
 348    '\254' -> cAny + cIdent  + cLower   -- þ
 349    '\255' -> cAny + cIdent  + cLower   -- ÿ
 350    _ -> panic ("charType: " ++ show c)
 351 \end{code}