wip: string parsing
This commit is contained in:
@@ -0,0 +1,467 @@
|
|||||||
|
package toml
|
||||||
|
|
||||||
|
import (
|
||||||
|
"fmt"
|
||||||
|
"unicode/utf8"
|
||||||
|
)
|
||||||
|
|
||||||
|
func Unmarshal(data []byte, v interface{}) error {
|
||||||
|
// TODO
|
||||||
|
return nil
|
||||||
|
}
|
||||||
|
|
||||||
|
func Marshal(v interface{}) ([]byte, error) {
|
||||||
|
// TODO
|
||||||
|
return nil, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
type Document struct {
|
||||||
|
}
|
||||||
|
|
||||||
|
type builder interface {
|
||||||
|
Whitespace(b []byte)
|
||||||
|
Comment(b []byte)
|
||||||
|
UnquotedKey(b []byte)
|
||||||
|
LiteralString(b []byte)
|
||||||
|
BasicString(b []byte)
|
||||||
|
}
|
||||||
|
|
||||||
|
type position struct {
|
||||||
|
line int
|
||||||
|
column int
|
||||||
|
}
|
||||||
|
|
||||||
|
type documentBuilder struct {
|
||||||
|
document Document
|
||||||
|
}
|
||||||
|
|
||||||
|
func (d *documentBuilder) BasicString(b []byte) {
|
||||||
|
s := string(b)
|
||||||
|
fmt.Printf("BasicString: '%s'\n", s)
|
||||||
|
}
|
||||||
|
|
||||||
|
func (d *documentBuilder) LiteralString(b []byte) {
|
||||||
|
s := string(b)
|
||||||
|
fmt.Printf("LiteralString: '%s'\n", s)
|
||||||
|
}
|
||||||
|
|
||||||
|
func (d *documentBuilder) UnquotedKey(b []byte) {
|
||||||
|
s := string(b)
|
||||||
|
fmt.Printf("UnquotedKey: '%s'\n", s)
|
||||||
|
}
|
||||||
|
|
||||||
|
func (d *documentBuilder) Comment(b []byte) {
|
||||||
|
s := string(b)
|
||||||
|
fmt.Printf("Comment: '%s'\n", s)
|
||||||
|
}
|
||||||
|
|
||||||
|
func (d *documentBuilder) Whitespace(b []byte) {
|
||||||
|
s := string(b)
|
||||||
|
fmt.Printf("Whitespace: '%s'\n", s)
|
||||||
|
}
|
||||||
|
|
||||||
|
func Parse(b []byte) (Document, error) {
|
||||||
|
builder := documentBuilder{}
|
||||||
|
p := parser{builder: &builder}
|
||||||
|
err := p.parse(b)
|
||||||
|
if err != nil {
|
||||||
|
return Document{}, err
|
||||||
|
}
|
||||||
|
return builder.document, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// eof is a rune value indicating end-of-file.
|
||||||
|
const eof = -1
|
||||||
|
|
||||||
|
type parser struct {
|
||||||
|
builder builder
|
||||||
|
}
|
||||||
|
|
||||||
|
type InvalidCharacter struct {
|
||||||
|
r rune
|
||||||
|
}
|
||||||
|
|
||||||
|
func (e *InvalidCharacter) Error() string {
|
||||||
|
return fmt.Sprintf("unexpected character '%#U'", e.r)
|
||||||
|
}
|
||||||
|
|
||||||
|
type UnexpectedCharacter struct {
|
||||||
|
r rune
|
||||||
|
expected rune
|
||||||
|
}
|
||||||
|
|
||||||
|
func (e *UnexpectedCharacter) Error() string {
|
||||||
|
return fmt.Sprintf("expected character '%#U' but got '%#U'", e.expected, e.r)
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parse(b []byte) error {
|
||||||
|
next := b
|
||||||
|
var err error
|
||||||
|
for {
|
||||||
|
next, err = p.parseExpression(next)
|
||||||
|
if err != nil {
|
||||||
|
return err
|
||||||
|
}
|
||||||
|
if len(next) == 0 {
|
||||||
|
return nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// new lines between expressions
|
||||||
|
r, size, err := readRune(next)
|
||||||
|
if err != nil {
|
||||||
|
return err
|
||||||
|
}
|
||||||
|
if r == '\n' {
|
||||||
|
next = next[size:]
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
if r == '\r' {
|
||||||
|
r, size2, err := readRune(next)
|
||||||
|
if err != nil {
|
||||||
|
return err
|
||||||
|
}
|
||||||
|
if r == '\n' {
|
||||||
|
next = next[size+size2:]
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return &InvalidCharacter{r: r}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseExpression(b []byte) ([]byte, error) {
|
||||||
|
next, err := p.parseWhitespace(b)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
r, _, err := readRune(next)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
// Line with just whitespace and a comment. We can exit early.
|
||||||
|
if r == '#' {
|
||||||
|
return p.parseComment(next)
|
||||||
|
}
|
||||||
|
|
||||||
|
// or line with something?
|
||||||
|
|
||||||
|
if r == '[' {
|
||||||
|
// parse table. could be either a standard table or an array table
|
||||||
|
}
|
||||||
|
|
||||||
|
// it has to be a keyval
|
||||||
|
|
||||||
|
if isUnquotedKeyRune(r) || r == '\'' || r == '"' {
|
||||||
|
next, err = p.parseKeyval(next)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// parse trailing whitespace and comment
|
||||||
|
|
||||||
|
next, err = p.parseWhitespace(next)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
|
||||||
|
r, _, err = readRune(next)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
|
||||||
|
if r == '#' {
|
||||||
|
return p.parseComment(next)
|
||||||
|
}
|
||||||
|
|
||||||
|
return next, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseKeyval(b []byte) ([]byte, error) {
|
||||||
|
// key keyval-sep val
|
||||||
|
next, err := p.parseKey(b)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
return next, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseKey(b []byte) ([]byte, error) {
|
||||||
|
// simple-key / dotted-key
|
||||||
|
// dotted-key = simple-key 1*( dot-sep simple-key )
|
||||||
|
|
||||||
|
return p.parseSimpleKey(b)
|
||||||
|
// TODO: dotted key
|
||||||
|
}
|
||||||
|
|
||||||
|
func isUnquotedKeyRune(r rune) bool {
|
||||||
|
return (r >= 'A' && r <= 'Z') || (r >= 'a' && r <= 'z') || (r >= '0' && r <= '9') || r == '-' || r == '_'
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseSimpleKey(b []byte) ([]byte, error) {
|
||||||
|
// simple-key = quoted-key / unquoted-key
|
||||||
|
// quoted-key = basic-string / literal-string
|
||||||
|
// unquoted-key = 1*( ALPHA / DIGIT / %x2D / %x5F ) ; A-Z / a-z / 0-9 / - / _
|
||||||
|
// basic-string = quotation-mark *basic-char quotation-mark
|
||||||
|
// literal-string = apostrophe *literal-char apostrophe
|
||||||
|
|
||||||
|
r, _, err := readRune(b)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
|
||||||
|
if r == '\'' {
|
||||||
|
return p.parseLiteralString(b)
|
||||||
|
}
|
||||||
|
if r == '"' {
|
||||||
|
return p.parseBasicString(b)
|
||||||
|
}
|
||||||
|
|
||||||
|
return p.parseUnquotedKey(b)
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseUnquotedKey(b []byte) ([]byte, error) {
|
||||||
|
length := 0
|
||||||
|
r, size, err := readRune(b)
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
|
||||||
|
if !isUnquotedKeyRune(r) {
|
||||||
|
return nil, &InvalidCharacter{r: r}
|
||||||
|
}
|
||||||
|
length += size
|
||||||
|
|
||||||
|
for {
|
||||||
|
r, size, err := readRune(b[length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if !isUnquotedKeyRune(r) {
|
||||||
|
break
|
||||||
|
}
|
||||||
|
length += size
|
||||||
|
}
|
||||||
|
p.builder.UnquotedKey(b[:length])
|
||||||
|
return b[length:], nil
|
||||||
|
}
|
||||||
|
|
||||||
|
func expectRune(b []byte, expected rune) (int, error) {
|
||||||
|
r, size, err := readRune(b)
|
||||||
|
if err != nil {
|
||||||
|
return 0, err
|
||||||
|
}
|
||||||
|
if r != expected {
|
||||||
|
return 0, &UnexpectedCharacter{
|
||||||
|
r: r,
|
||||||
|
expected: expected,
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return size, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseComment(b []byte) ([]byte, error) {
|
||||||
|
length := 0
|
||||||
|
|
||||||
|
size, err := expectRune(b, '#')
|
||||||
|
if err != nil {
|
||||||
|
return b, err
|
||||||
|
}
|
||||||
|
length += size
|
||||||
|
|
||||||
|
for {
|
||||||
|
r, size, err := readRune(b[length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if r == eof || r == '\n' {
|
||||||
|
if length > 0 {
|
||||||
|
p.builder.Comment(b[:length])
|
||||||
|
}
|
||||||
|
return b[length:], nil
|
||||||
|
}
|
||||||
|
length += size
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
func isWhitespace(r rune) bool {
|
||||||
|
switch r {
|
||||||
|
case 0x20, 0x09:
|
||||||
|
return true
|
||||||
|
default:
|
||||||
|
return false
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
type InvalidUnicodeError struct {
|
||||||
|
r rune
|
||||||
|
}
|
||||||
|
|
||||||
|
func (e *InvalidUnicodeError) Error() string {
|
||||||
|
return fmt.Sprintf("invalid unicode: %#U", e.r)
|
||||||
|
}
|
||||||
|
|
||||||
|
func readRune(b []byte) (rune, int, error) {
|
||||||
|
r, size := utf8.DecodeRune(b)
|
||||||
|
if r == utf8.RuneError {
|
||||||
|
if size == 0 { // eof
|
||||||
|
return eof, 0, nil
|
||||||
|
}
|
||||||
|
if size == 1 { // invalid rune
|
||||||
|
return utf8.RuneError, 1, &InvalidUnicodeError{r: r}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return r, size, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseWhitespace(b []byte) ([]byte, error) {
|
||||||
|
length := 0
|
||||||
|
for {
|
||||||
|
r, size, err := readRune(b[length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if isWhitespace(r) {
|
||||||
|
length += size
|
||||||
|
} else {
|
||||||
|
if length > 0 {
|
||||||
|
p.builder.Whitespace(b[:length])
|
||||||
|
}
|
||||||
|
return b[length:], nil
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
func isNonAsciiChar(r rune) bool {
|
||||||
|
return (r >= 0x80 && r <= 0xD7FF) || (r >= 0xE000 && r <= 0x10FFFF)
|
||||||
|
}
|
||||||
|
|
||||||
|
func isLiteralChar(r rune) bool {
|
||||||
|
return r == 0x09 || (r >= 0x20 && r <= 0x26) || (r >= 0x28 && r <= 0x7E) || isNonAsciiChar(r)
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseLiteralString(b []byte) ([]byte, error) {
|
||||||
|
// literal-string = apostrophe *literal-char apostrophe
|
||||||
|
// literal-char = %x09 / %x20-26 / %x28-7E / non-ascii
|
||||||
|
// non-ascii = %x80-D7FF / %xE000-10FFFF
|
||||||
|
|
||||||
|
length := 0
|
||||||
|
|
||||||
|
start, err := expectRune(b, '\'')
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
|
||||||
|
for {
|
||||||
|
r, size, err := readRune(b[start+length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if r == '\'' {
|
||||||
|
p.builder.LiteralString(b[start : start+length])
|
||||||
|
return b[start+length+size:], nil
|
||||||
|
}
|
||||||
|
if !isLiteralChar(r) {
|
||||||
|
return nil, &InvalidCharacter{r: r}
|
||||||
|
}
|
||||||
|
length += size
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
func isBasicStringChar(r rune) bool {
|
||||||
|
return r == ' ' || r == 0x21 || r >= 0x23 && r <= 0x5B || r >= 0x5D && r <= 0x7E || isNonAsciiChar(r)
|
||||||
|
}
|
||||||
|
|
||||||
|
func isEscapeChar(r rune) bool {
|
||||||
|
return r == '"' || r == '\\' || r == 'b' || r == 'f' || r == 'n' || r == 'r' || r == 't'
|
||||||
|
}
|
||||||
|
|
||||||
|
func isHex(r rune) bool {
|
||||||
|
return (r >= '0' && r <= '9') || (r >= 'A' && r <= 'F')
|
||||||
|
}
|
||||||
|
|
||||||
|
func (p *parser) parseBasicString(b []byte) ([]byte, error) {
|
||||||
|
// basic-string = quotation-mark *basic-char quotation-mark
|
||||||
|
// basic-char = basic-unescaped / escaped
|
||||||
|
// basic-unescaped = wschar / %x21 / %x23-5B / %x5D-7E / non-ascii
|
||||||
|
// escaped = escape escape-seq-char
|
||||||
|
//escape = %x5C ; \
|
||||||
|
//escape-seq-char = %x22 ; " quotation mark U+0022
|
||||||
|
//escape-seq-char =/ %x5C ; \ reverse solidus U+005C
|
||||||
|
//escape-seq-char =/ %x62 ; b backspace U+0008
|
||||||
|
//escape-seq-char =/ %x66 ; f form feed U+000C
|
||||||
|
//escape-seq-char =/ %x6E ; n line feed U+000A
|
||||||
|
//escape-seq-char =/ %x72 ; r carriage return U+000D
|
||||||
|
//escape-seq-char =/ %x74 ; t tab U+0009
|
||||||
|
//escape-seq-char =/ %x75 4HEXDIG ; uXXXX U+XXXX
|
||||||
|
//escape-seq-char =/ %x55 8HEXDIG ; UXXXXXXXX U+XXXXXXXX
|
||||||
|
// HEXDIG = DIGIT / "A" / "B" / "C" / "D" / "E" / "F"
|
||||||
|
length := 0
|
||||||
|
|
||||||
|
start, err := expectRune(b, '"')
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
|
||||||
|
for {
|
||||||
|
r, size, err := readRune(b[start+length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if r == '"' {
|
||||||
|
p.builder.BasicString(b[start : start+length])
|
||||||
|
return b[start+length+size:], nil
|
||||||
|
}
|
||||||
|
|
||||||
|
if r == '\\' {
|
||||||
|
length += size
|
||||||
|
r, size, err := readRune(b[start+length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
|
||||||
|
if isEscapeChar(r) {
|
||||||
|
length += size
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
|
||||||
|
if r == 'u' {
|
||||||
|
length += size
|
||||||
|
for i := 0; i < 4; i++ {
|
||||||
|
r, size, err := readRune(b[start+length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if !isHex(r) {
|
||||||
|
return nil, &InvalidCharacter{r: r}
|
||||||
|
}
|
||||||
|
length += size
|
||||||
|
}
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
|
||||||
|
if r == 'U' {
|
||||||
|
length += size
|
||||||
|
for i := 0; i < 8; i++ {
|
||||||
|
r, size, err := readRune(b[start+length:])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if !isHex(r) {
|
||||||
|
return nil, &InvalidCharacter{r: r}
|
||||||
|
}
|
||||||
|
length += size
|
||||||
|
}
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
|
||||||
|
return nil, &InvalidCharacter{r: r}
|
||||||
|
|
||||||
|
}
|
||||||
|
|
||||||
|
if isBasicStringChar(r) {
|
||||||
|
length += size
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
@@ -0,0 +1,34 @@
|
|||||||
|
package toml
|
||||||
|
|
||||||
|
import (
|
||||||
|
"fmt"
|
||||||
|
"testing"
|
||||||
|
|
||||||
|
"github.com/stretchr/testify/assert"
|
||||||
|
)
|
||||||
|
|
||||||
|
func TestParse(t *testing.T) {
|
||||||
|
|
||||||
|
inputs := []string{
|
||||||
|
` #foo`,
|
||||||
|
`#foo`,
|
||||||
|
`#`,
|
||||||
|
"\n\n\n",
|
||||||
|
"#one\n # two \n",
|
||||||
|
`a`,
|
||||||
|
`abc`,
|
||||||
|
` abc # foo`,
|
||||||
|
`'abc'`,
|
||||||
|
`"foo bar"`,
|
||||||
|
`"hello\tworld"`,
|
||||||
|
`"hello \u1234 foo"`,
|
||||||
|
}
|
||||||
|
|
||||||
|
for i, data := range inputs {
|
||||||
|
t.Run(fmt.Sprintf("example %d", i), func(t *testing.T) {
|
||||||
|
doc, err := Parse([]byte(data))
|
||||||
|
assert.NoError(t, err)
|
||||||
|
fmt.Println(doc)
|
||||||
|
})
|
||||||
|
}
|
||||||
|
}
|
||||||
Reference in New Issue
Block a user