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