haskell - Haskell 解析器应该允许数字文字中的 Unicode 数字吗？

Question

作为一个练习，我正在从头开始为 Haskell 编写一个解析器。在制作词法分析器时，我注意到 Haskell 2010 Report 上的以下规则:

digit → ascDigit | uniDigit
ascDigit → 0 | 1 | … | 9
uniDigit → any Unicode decimal digit
octit → 0 | 1 | … | 7
hexit → digit | A | … | F | a | … | f

decimal → digit{digit}
octal → octit{octit}
hexadecimal → hexit{hexit}

integer → decimal | 0o octal | 0O octal | 0x hexadecimal | 0X hexadecimal
float → decimal . decimal [exponent] | decimal exponent
exponent → (e | E) [+ | -] decimal

十进制和十六进制文字以及浮点文字都基于 digit，它接受任何 Unicode 十进制数字，而不是 ascDigit，它只接受 ASCII 中的基本数字 0-9。奇怪的是，八进制是基于八进制的，它只承认 ASCII 数字 0-7。我猜这些“Unicode 十进制数字”是任何具有“Nd”通用类别的 Unicode 代码点。但是，这包括全角数字 0-9 和梵文数字 ०-९ 等字符。我明白为什么在标识符中允许使用这些可能是可取的，但我看不出允许人们写 ९０ 没有任何好处。对于文字 90 .

GHC 似乎同意我的看法。当我尝试编译这个文件时，

module DigitTest where
x1 = １

它吐出这个错误。

digitTest1.hs:2:6: error: lexical error at character '\65297'
  |
2 | x1 = １
  |      ^

然而，这个文件

module DigitTest where
x１ = 1

编译就好了。我是否错误地阅读了语言规范？ GHC 的(明智的)行为实际上是正确的，还是在技术上违反了报告中的规范？我在任何地方都找不到这件事。

Answer 1

GHC源代码文件compiler/parser/Lexer.x ，你可以找到以下代码:

ascdigit  = 0-9
$unidigit  = \x03 -- Trick Alex into handling Unicode. See [Unicode in Alex].
$decdigit  = $ascdigit -- for now, should really be $digit (ToDo)
$digit     = [$ascdigit $unidigit]
...
$binit     = 0-1
$octit     = 0-7
$hexit     = [$decdigit A-F a-f]
...
@numspc       = _*                   -- numeric spacer (#14473)
@decimal      = $decdigit(@numspc $decdigit)*
@binary       = $binit(@numspc $binit)*
@octal        = $octit(@numspc $octit)*
@hexadecimal  = $hexit(@numspc $hexit)*
@exponent     = @numspc [eE] [\-\+]? @decimal
@bin_exponent = @numspc [pP] [\-\+]? @decimal

在这里， $decdigit用于解析十进制和十六进制文字(及其浮点变体)，而 $digit用于字母数字标识符的“数字”部分。 “ToDo”注释清楚地表明这是 GHC 与语言标准的公认偏差。

因此，您正确阅读了规范，而 GHC 是在半有意地违反规范。有一个 open ticket这表明至少记录偏差，但我认为没有人表示有兴趣修复它。