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