zerodds-idl 1.0.0-rc.1

OMG IDL 4.2 (ISO/IEC 19516) Parser + AST + Semantik-Modell für ZeroDDS — Lexer, Grammar-Engine, CST→AST-Builder, Spec-Validators, Annotations.
Documentation
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
// SPDX-License-Identifier: Apache-2.0
// Copyright 2026 ZeroDDS Contributors
//! Token-Regel-Extraktion aus einer Grammar.
//!
//! Statt dass jede Grammar ihre Lexer-Regeln per Hand pflegt, leiten wir sie
//! aus den `Symbol::Terminal`-Vorkommen automatisch ab. Vorteil: keine
//! Duplikation und kein Drift zwischen Grammar-Productions und Lexer-
//! Konfiguration.
//!
//! Der erzeugte [`TokenRules`]-Container ist nach **Lexer-Priorität**
//! sortiert. Der eigentliche Tokenizer (Task 2.3) iteriert ueber die Regeln
//! in dieser Reihenfolge und probiert pro Source-Position einen
//! Longest-Match.
//!
//! ## Prioritaets-Ordnung
//!
//! Wir trennen Regeln in zwei Klassen:
//!
//! - **Literale** ([`TokenKind::Keyword`], [`TokenKind::Punct`]) — exakt-
//!   matchende Strings. Innerhalb dieser Klasse: laengere Strings vor
//!   kuerzeren (`"::"` vor `":"`, `"=="` vor `"="`). So gewinnen
//!   Multi-Char-Operatoren ueber ihre Bestandteile.
//! - **Pattern-basiert** (Identifier, Literale wie `IntegerLiteral`,
//!   `StringLiteral`, etc.) — handgeschriebene Match-Funktionen im Lexer.
//!   Reihenfolge: Identifier nach Keywords (sonst wuerde `struct` als
//!   Ident zerlegt), Literale nach Punctuation.
//!
//! Innerhalb gleicher Laenge ist die Sortierung stabil-alphabetisch fuer
//! deterministische Outputs.
//!
//! Siehe RFC 0001 §5.2 (Engine) und §4.1 (Pipeline).

use crate::grammar::{Grammar, Symbol, TokenKind, TokenRule, TokenRuleId};

/// Container fuer extrahierte Token-Regeln, sortiert nach Lexer-Prioritaet.
#[derive(Debug, Clone, Default)]
pub struct TokenRules {
    rules: Vec<TokenRule>,
}

impl TokenRules {
    /// Konstruiert einen leeren Container.
    #[must_use]
    pub fn new() -> Self {
        Self::default()
    }

    /// Extrahiert alle Token-Regeln aus den Terminals einer Grammar.
    ///
    /// Iteriert ueber alle Productions und alle Symbol-Sequenzen
    /// (rekursiv durch [`Symbol::Repeat`] und [`Symbol::Choice`]),
    /// sammelt unique [`TokenKind`]s und sortiert sie.
    #[must_use]
    pub fn from_grammar(grammar: &Grammar) -> Self {
        Self::from_productions(grammar.productions_iter())
    }

    /// Variante von [`from_grammar`], die ueber jede beliebige
    /// Production-Sequenz arbeitet (z.B. eine
    /// [`CompiledGrammar`](crate::grammar::compile::CompiledGrammar)
    /// nach Delta-Komposition; T6.5).
    #[must_use]
    pub fn from_productions<'a, I>(productions: I) -> Self
    where
        I: IntoIterator<Item = &'a crate::grammar::Production>,
    {
        let mut kinds: Vec<TokenKind> = Vec::new();
        for production in productions {
            for alt in production.alternatives {
                collect_terminal_kinds(alt.symbols, &mut kinds);
            }
        }
        // Dedup unter Beibehaltung der Reihenfolge — kommt vor Sortierung,
        // damit das Sort-Stabilitaets-Verhalten deterministisch wird.
        dedup_preserving_order(&mut kinds);
        sort_by_lexer_priority(&mut kinds);
        let rules = kinds
            .into_iter()
            .enumerate()
            .map(|(idx, kind)| TokenRule {
                id: TokenRuleId(idx as u32),
                kind,
                pattern: pattern_for(&kind),
            })
            .collect();
        Self { rules }
    }

    /// Alle Regeln in Lexer-Prioritaets-Reihenfolge.
    #[must_use]
    pub fn rules(&self) -> &[TokenRule] {
        &self.rules
    }

    /// Iteriert ueber alle Regeln in Lexer-Prioritaets-Reihenfolge.
    pub fn iter(&self) -> impl Iterator<Item = &TokenRule> {
        self.rules.iter()
    }

    /// Anzahl Regeln.
    #[must_use]
    pub fn len(&self) -> usize {
        self.rules.len()
    }

    /// `true`, wenn der Container keine Regeln enthaelt.
    #[must_use]
    pub fn is_empty(&self) -> bool {
        self.rules.is_empty()
    }

    /// Sucht eine Regel anhand ihres [`TokenKind`].
    #[must_use]
    pub fn by_kind(&self, kind: &TokenKind) -> Option<&TokenRule> {
        self.rules.iter().find(|r| r.kind == *kind)
    }

    /// Alle reservierten Schluesselwoerter (Keyword-Literale).
    pub fn keywords(&self) -> impl Iterator<Item = &str> {
        self.rules.iter().filter_map(|r| match r.kind {
            TokenKind::Keyword(s) => Some(s),
            _ => None,
        })
    }

    /// Alle Interpunktions-Literale.
    pub fn punctuation(&self) -> impl Iterator<Item = &str> {
        self.rules.iter().filter_map(|r| match r.kind {
            TokenKind::Punct(s) => Some(s),
            _ => None,
        })
    }
}

// ---------------------------------------------------------------------------
// Hilfs-Funktionen (privat, aber test-zugaenglich ueber super::)
// ---------------------------------------------------------------------------

/// zerodds-lint: recursion-depth 64 (Parser/AST-Walk; bounded by IDL nesting)
fn collect_terminal_kinds(symbols: &[Symbol], out: &mut Vec<TokenKind>) {
    for sym in symbols {
        match sym {
            Symbol::Terminal(kind) => out.push(*kind),
            Symbol::Repeat(_, inner) => collect_terminal_kinds(inner, out),
            Symbol::Choice(branches) => {
                for branch in *branches {
                    collect_terminal_kinds(branch, out);
                }
            }
            Symbol::Nonterminal(_) => {}
        }
    }
}

fn dedup_preserving_order(kinds: &mut Vec<TokenKind>) {
    let mut seen: std::collections::HashSet<TokenKind> = std::collections::HashSet::new();
    kinds.retain(|k| seen.insert(*k));
}

/// Lexer-Prioritaets-Klasse. Niedrigere Werte haben hoehere Prioritaet
/// (werden vom Tokenizer zuerst probiert).
fn priority_class(kind: &TokenKind) -> u8 {
    match kind {
        // Literale: laengere Strings vor kuerzeren — wird durch die
        // Sekundaer-Sortierung nach -len() innerhalb derselben Klasse
        // erreicht.
        TokenKind::Punct(_) => 0,
        TokenKind::Keyword(_) => 1,
        // Pattern-basiert: nach Literalen.
        TokenKind::BoolLiteral => 2,
        TokenKind::WideCharLiteral => 3,
        TokenKind::CharLiteral => 4,
        TokenKind::WideStringLiteral => 5,
        TokenKind::StringLiteral => 6,
        TokenKind::FixedPtLiteral => 7,
        TokenKind::FloatLiteral => 8,
        TokenKind::IntegerLiteral => 9,
        TokenKind::Ident => 10,
        // Synthetic — nicht vom Lexer produziert, ans Ende.
        TokenKind::EndOfInput => 255,
    }
}

/// Laenge eines Literals (fuer die Punct/Keyword-Innen-Sortierung).
/// Pattern-basierte Tokens haben Laenge 0, weil sie nicht literal-basiert
/// sind.
fn literal_len(kind: &TokenKind) -> usize {
    match kind {
        TokenKind::Punct(s) | TokenKind::Keyword(s) => s.len(),
        _ => 0,
    }
}

/// Sortier-Schluessel: (priority_class, -literal_len, kind-tie-break).
/// `kind` als Tie-Break sorgt fuer alphabetische Stabilitaet bei gleicher
/// Laenge (z.B. "+" vs "-").
fn sort_by_lexer_priority(kinds: &mut [TokenKind]) {
    kinds.sort_by(|a, b| {
        let cls_a = priority_class(a);
        let cls_b = priority_class(b);
        cls_a
            .cmp(&cls_b)
            .then_with(|| literal_len(b).cmp(&literal_len(a))) // -len: laenger zuerst
            .then_with(|| a.cmp(b))
    });
}

/// Liefert das Pattern-Label fuer eine Token-Regel. Bei Literal-Tokens
/// (Keyword/Punct) der Literal-String selbst; bei pattern-basierten Tokens
/// ein symbolischer Name, den der Tokenizer (Task 2.3) auf eine
/// handgeschriebene Match-Funktion mappt.
fn pattern_for(kind: &TokenKind) -> &'static str {
    match kind {
        TokenKind::Keyword(s) | TokenKind::Punct(s) => s,
        TokenKind::Ident => "ident",
        TokenKind::IntegerLiteral => "int_literal",
        TokenKind::FloatLiteral => "float_literal",
        TokenKind::StringLiteral => "string_literal",
        TokenKind::CharLiteral => "char_literal",
        TokenKind::BoolLiteral => "bool_literal",
        TokenKind::WideCharLiteral => "wide_char_literal",
        TokenKind::WideStringLiteral => "wide_string_literal",
        TokenKind::FixedPtLiteral => "fixed_pt_literal",
        TokenKind::EndOfInput => "eof",
    }
}

#[cfg(test)]
mod tests {
    use super::*;
    use crate::grammar::{
        Alternative, Grammar, IdlVersion, Production, ProductionId, RepeatKind, SpecRef,
    };

    const TS: SpecRef = SpecRef {
        doc: "TEST",
        section: "0.0",
    };

    const fn alt(symbols: &'static [Symbol]) -> Alternative {
        Alternative {
            name: None,
            symbols,
            note: None,
        }
    }

    const fn prod(id: u32, name: &'static str, alts: &'static [Alternative]) -> Production {
        Production {
            id: ProductionId(id),
            name,
            spec_ref: TS,
            alternatives: alts,
            ast_hint: None,
        }
    }

    fn grammar(productions: &'static [Production]) -> Grammar {
        Grammar {
            name: "test",
            version: IdlVersion::V4_2,
            productions,
            start: ProductionId(0),
            token_rules: &[],
        }
    }

    // -----------------------------------------------------------------
    // Extraktion
    // -----------------------------------------------------------------

    #[test]
    fn from_empty_grammar_yields_no_rules() {
        const PRODS: &[Production] = &[prod(0, "a", &[alt(&[])])];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        assert!(rules.is_empty());
        assert_eq!(rules.len(), 0);
    }

    #[test]
    fn extracts_single_keyword() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[Symbol::Terminal(TokenKind::Keyword("struct"))])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        assert_eq!(rules.len(), 1);
        assert_eq!(rules.rules()[0].kind, TokenKind::Keyword("struct"));
        assert_eq!(rules.rules()[0].pattern, "struct");
    }

    #[test]
    fn deduplicates_repeated_terminal_across_productions() {
        const PRODS: &[Production] = &[
            prod(
                0,
                "a",
                &[alt(&[Symbol::Terminal(TokenKind::Keyword("module"))])],
            ),
            prod(
                1,
                "b",
                &[alt(&[Symbol::Terminal(TokenKind::Keyword("module"))])],
            ),
        ];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        assert_eq!(rules.len(), 1);
    }

    #[test]
    fn descends_into_repeat_and_choice() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Repeat(
                    RepeatKind::ZeroOrMore,
                    &[Symbol::Terminal(TokenKind::Keyword("foo"))],
                ),
                Symbol::Choice(&[
                    &[Symbol::Terminal(TokenKind::Keyword("bar"))],
                    &[Symbol::Terminal(TokenKind::Punct(";"))],
                ]),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        assert_eq!(rules.len(), 3);
        let kinds: Vec<TokenKind> = rules.iter().map(|r| r.kind).collect();
        assert!(kinds.contains(&TokenKind::Keyword("foo")));
        assert!(kinds.contains(&TokenKind::Keyword("bar")));
        assert!(kinds.contains(&TokenKind::Punct(";")));
    }

    // -----------------------------------------------------------------
    // Prioritaets-Sortierung
    // -----------------------------------------------------------------

    #[test]
    fn punct_comes_before_keyword() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Terminal(TokenKind::Keyword("if")),
                Symbol::Terminal(TokenKind::Punct(";")),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        let kinds: Vec<TokenKind> = rules.iter().map(|r| r.kind).collect();
        assert_eq!(kinds, vec![TokenKind::Punct(";"), TokenKind::Keyword("if")]);
    }

    #[test]
    fn longer_punct_comes_before_shorter() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Terminal(TokenKind::Punct(":")),
                Symbol::Terminal(TokenKind::Punct("::")),
                Symbol::Terminal(TokenKind::Punct("=")),
                Symbol::Terminal(TokenKind::Punct("==")),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        let punct: Vec<&str> = rules.punctuation().collect();
        // Longer first: "::" und "==" vor ":" und "="
        assert_eq!(
            punct[0].len(),
            2,
            "Erstes Punct muss 2 Zeichen lang sein, war: {punct:?}"
        );
        assert_eq!(punct[1].len(), 2);
        assert_eq!(punct[2].len(), 1);
        assert_eq!(punct[3].len(), 1);
    }

    #[test]
    fn keyword_comes_before_ident() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Terminal(TokenKind::Ident),
                Symbol::Terminal(TokenKind::Keyword("struct")),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        let kinds: Vec<TokenKind> = rules.iter().map(|r| r.kind).collect();
        assert_eq!(kinds, vec![TokenKind::Keyword("struct"), TokenKind::Ident]);
    }

    #[test]
    fn pattern_based_kinds_sorted_after_literals() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Terminal(TokenKind::Ident),
                Symbol::Terminal(TokenKind::IntegerLiteral),
                Symbol::Terminal(TokenKind::Keyword("true")),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        let kinds: Vec<TokenKind> = rules.iter().map(|r| r.kind).collect();
        // Keyword (literal) vor IntegerLiteral und Ident (pattern-based).
        assert_eq!(kinds[0], TokenKind::Keyword("true"));
        assert!(kinds.contains(&TokenKind::IntegerLiteral));
        assert!(kinds.contains(&TokenKind::Ident));
    }

    // -----------------------------------------------------------------
    // Helper-Accessoren
    // -----------------------------------------------------------------

    #[test]
    fn by_kind_finds_existing_rule() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[Symbol::Terminal(TokenKind::Punct("{"))])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        assert!(rules.by_kind(&TokenKind::Punct("{")).is_some());
        assert!(rules.by_kind(&TokenKind::Punct("}")).is_none());
    }

    #[test]
    fn keywords_iterator_yields_only_keyword_strings() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Terminal(TokenKind::Keyword("struct")),
                Symbol::Terminal(TokenKind::Keyword("interface")),
                Symbol::Terminal(TokenKind::Punct(";")),
                Symbol::Terminal(TokenKind::Ident),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        let mut kws: Vec<&str> = rules.keywords().collect();
        kws.sort_unstable();
        assert_eq!(kws, vec!["interface", "struct"]);
    }

    #[test]
    fn pattern_for_known_kinds_is_stable() {
        // Pattern-Strings sind Teil der Lexer-Tokenizer-Schnittstelle (Task
        // 2.3); bei aenderung Tokenizer-Mapping anpassen.
        assert_eq!(pattern_for(&TokenKind::Ident), "ident");
        assert_eq!(pattern_for(&TokenKind::IntegerLiteral), "int_literal");
        assert_eq!(pattern_for(&TokenKind::FloatLiteral), "float_literal");
        assert_eq!(pattern_for(&TokenKind::StringLiteral), "string_literal");
        assert_eq!(pattern_for(&TokenKind::CharLiteral), "char_literal");
        assert_eq!(pattern_for(&TokenKind::BoolLiteral), "bool_literal");
        assert_eq!(
            pattern_for(&TokenKind::WideCharLiteral),
            "wide_char_literal"
        );
        assert_eq!(
            pattern_for(&TokenKind::WideStringLiteral),
            "wide_string_literal"
        );
        assert_eq!(pattern_for(&TokenKind::FixedPtLiteral), "fixed_pt_literal");
        assert_eq!(pattern_for(&TokenKind::EndOfInput), "eof");
        assert_eq!(pattern_for(&TokenKind::Punct("::")), "::");
        assert_eq!(pattern_for(&TokenKind::Keyword("struct")), "struct");
    }

    #[test]
    fn empty_constructor_yields_empty_container() {
        let rules = TokenRules::new();
        assert!(rules.is_empty());
        assert_eq!(rules.len(), 0);
        assert!(rules.rules().is_empty());
    }

    #[test]
    fn priority_class_distinguishes_all_pattern_kinds() {
        // Grammar mit allen Literal-Klassen — pattern_class und literal_len
        // werden fuer jede Variante durchlaufen, damit die Sortier-Logik
        // alle Match-Arme abdeckt.
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Terminal(TokenKind::BoolLiteral),
                Symbol::Terminal(TokenKind::CharLiteral),
                Symbol::Terminal(TokenKind::StringLiteral),
                Symbol::Terminal(TokenKind::IntegerLiteral),
                Symbol::Terminal(TokenKind::FloatLiteral),
                Symbol::Terminal(TokenKind::WideCharLiteral),
                Symbol::Terminal(TokenKind::WideStringLiteral),
                Symbol::Terminal(TokenKind::FixedPtLiteral),
                Symbol::Terminal(TokenKind::EndOfInput),
                Symbol::Terminal(TokenKind::Ident),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        assert_eq!(rules.len(), 10);
        let kinds: Vec<TokenKind> = rules.iter().map(|r| r.kind).collect();
        // Reihenfolge gemaess priority_class:
        assert_eq!(kinds[0], TokenKind::BoolLiteral);
        assert_eq!(kinds[1], TokenKind::WideCharLiteral);
        assert_eq!(kinds[2], TokenKind::CharLiteral);
        assert_eq!(kinds[3], TokenKind::WideStringLiteral);
        assert_eq!(kinds[4], TokenKind::StringLiteral);
        assert_eq!(kinds[5], TokenKind::FixedPtLiteral);
        assert_eq!(kinds[6], TokenKind::FloatLiteral);
        assert_eq!(kinds[7], TokenKind::IntegerLiteral);
        assert_eq!(kinds[8], TokenKind::Ident);
        assert_eq!(kinds[9], TokenKind::EndOfInput);
    }

    // -----------------------------------------------------------------
    // E2E mit Toy-Grammar
    // -----------------------------------------------------------------

    #[test]
    fn extracts_toy_grammar_rules_with_correct_count_and_priority() {
        use crate::grammar::toy::TOY;
        let rules = TokenRules::from_grammar(&TOY);
        // Toy-Grammar hat Terminals: "n" (Keyword), "+" "*" "(" ")" (Punct).
        assert_eq!(rules.len(), 5);
        let punct: Vec<&str> = rules.punctuation().collect();
        let kws: Vec<&str> = rules.keywords().collect();
        assert_eq!(punct.len(), 4);
        assert_eq!(kws, vec!["n"]);
        // Punct kommt vor Keyword (Prioritaet).
        let kinds: Vec<TokenKind> = rules.iter().map(|r| r.kind).collect();
        let first_keyword_pos = kinds
            .iter()
            .position(|k| matches!(k, TokenKind::Keyword(_)));
        let first_punct_pos = kinds.iter().position(|k| matches!(k, TokenKind::Punct(_)));
        assert!(first_punct_pos < first_keyword_pos);
    }

    #[test]
    fn token_rule_ids_are_assigned_sequentially() {
        const PRODS: &[Production] = &[prod(
            0,
            "a",
            &[alt(&[
                Symbol::Terminal(TokenKind::Punct(";")),
                Symbol::Terminal(TokenKind::Keyword("if")),
            ])],
        )];
        let rules = TokenRules::from_grammar(&grammar(PRODS));
        assert_eq!(rules.rules()[0].id, TokenRuleId(0));
        assert_eq!(rules.rules()[1].id, TokenRuleId(1));
    }
}