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