ada - Ada 程序文本的实际字符集在哪里定义？

Question

我正在尝试创建一个 tree-sitter解析器，以便 IDE(在本例中为 Vim)可以解析 Ada 程序文本并进行更高级的操作，例如 extract-subprogram 和 rename-variable。但定义字符集似乎存在一些问题。

在 Ada 2012 Reference Manual ，我找到了一个模糊类别描述的列表，其形式为“一般类别为 X 的任何字符”，这意味着，例如，除了下划线之外，all of these ( ‿ ⁀ ⁔ ︳ ︴ ﹍ ﹎ ﹏ ＿) 也允许出现在标识符中，这看起来很荒谬，GNAT 会以“非法字符”拒绝。该列表的开头是这样的声明:

“未指定实现 Ada 程序文本的可视化表示所使用的实际图形符号集。”

这真的意味着无法知道应该接受哪些字符吗？

Two pages on ，这些示例被明确指定为有效标识符，但 GNAT 2021 拒绝它们:

procedure Main is
   Πλάτων  : constant := 12;     -- Plato
   Чайковский : constant := 12;  -- Tchaikovsky
   θ, φ : constant := 12;        -- Angles
begin
   null;
end Main;

$ gprbuild
using project file foo.gpr
Compile
   [Ada]          main.adb
main.adb:2:04: error: declaration expected
main.adb:2:05: error: illegal character
main.adb:3:04: error: declaration expected
main.adb:3:05: error: illegal character
main.adb:4:05: error: illegal character
gprbuild: *** compilation phase failed

Ada 程序的实际字符集在哪里定义？ GNAT 2021 搞错了吗？

下面是一个在标识符中使用 Unicode 字符的示例程序，供您进行实验。请注意，在文字字符串中使用宽字符超出了问题的范围。

main.adb:

with Ada.Wide_Text_IO; use Ada.Wide_Text_IO;

procedure Main is
   δεδομένα_πράμα : constant Wide_String := "Ο Πλάτων θα ενέκρινε";
begin
   Put_Line (Δεδομένα_πράμα);
end Main;

foo.gpr

project foo is

   for Source_Dirs use (".");
   for Main use ("main.adb");

   package Compiler is
      for Default_Switches ("ada") use ("-gnatW8", "-gnatiw");
   end Compiler;

end foo;

构建并运行:

gprbuild
./main

Answer 1

自 Ada 2005 以来的所有 Ada 版本都要求实现支持 UTF-8 源代码，但是对于 Ada 83 和 95 兼容性，不要求它是默认编码。 GNAT的默认源编码是Latin-1 ，尽管如果 byte-order mark 则它有助于切换到 UTF-8被发现。要显式指定文件编码，您可以传递 -gnatW8 标志 or one of a number of other options .

但是，虽然这允许源文件中使用 UTF-8，但标识符在 GNAT 中仍然限于 Latin-1，您还必须传递 -gnatiw 标志以允许标识符中使用宽字符。看来 GNAT 并没有默认它，因为您可以制作非常奇怪的标识符(如您所指出的)，而且还因为标识符将不再正确区分大小写； GNAT 在任何宽字符集上进行最小大小写折叠，other than characters present in other encodings it supports .

ARM § 2.3指定标识符的要求:标识符::= 标识符_开始 {标识符_开始 |标识符扩展},其中identifier_start可以概括为Unicode通用类别L中的任何内容，其余字符可以是数字，punctuation_connector，小数点标记和非空白组合标记 - 带有“标识符不得包含 punctuation_connector 类别中的两个连续字符，或以该类别中的字符结尾。” ”

超越你的问题，请注意，尽管有所有这些标志，字符串仍然编码为Latin-1(相互冲突的是，字符串文字是UTF-8，只是不是底层字符串:/)。您需要使用Ada.Strings.UTF_Encoding 、Wide_Wide_String 和/或库，例如 VSS用于 Unicode 字符串处理。