LCOV - code coverage report
Current view: top level - py - lexer.c (source / functions) Hit Total Coverage
Test: unix_coverage_v1.19.1-724-gfb7d21153.info Lines: 367 371 98.9 %
Date: 2022-12-01 09:37:31 Functions: 32 32 100.0 %
Branches: 303 317 95.6 %

           Branch data     Line data    Source code
       1                 :            : /*
       2                 :            :  * This file is part of the MicroPython project, http://micropython.org/
       3                 :            :  *
       4                 :            :  * The MIT License (MIT)
       5                 :            :  *
       6                 :            :  * Copyright (c) 2013, 2014 Damien P. George
       7                 :            :  *
       8                 :            :  * Permission is hereby granted, free of charge, to any person obtaining a copy
       9                 :            :  * of this software and associated documentation files (the "Software"), to deal
      10                 :            :  * in the Software without restriction, including without limitation the rights
      11                 :            :  * to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
      12                 :            :  * copies of the Software, and to permit persons to whom the Software is
      13                 :            :  * furnished to do so, subject to the following conditions:
      14                 :            :  *
      15                 :            :  * The above copyright notice and this permission notice shall be included in
      16                 :            :  * all copies or substantial portions of the Software.
      17                 :            :  *
      18                 :            :  * THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
      19                 :            :  * IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
      20                 :            :  * FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
      21                 :            :  * AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
      22                 :            :  * LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
      23                 :            :  * OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
      24                 :            :  * THE SOFTWARE.
      25                 :            :  */
      26                 :            : 
      27                 :            : #include <stdio.h>
      28                 :            : #include <string.h>
      29                 :            : #include <assert.h>
      30                 :            : 
      31                 :            : #include "py/reader.h"
      32                 :            : #include "py/lexer.h"
      33                 :            : #include "py/runtime.h"
      34                 :            : 
      35                 :            : #if MICROPY_ENABLE_COMPILER
      36                 :            : 
      37                 :            : #define TAB_SIZE (8)
      38                 :            : 
      39                 :            : // TODO seems that CPython allows NULL byte in the input stream
      40                 :            : // don't know if that's intentional or not, but we don't allow it
      41                 :            : 
      42                 :            : #define MP_LEXER_EOF ((unichar)MP_READER_EOF)
      43                 :            : #define CUR_CHAR(lex) ((lex)->chr0)
      44                 :            : 
      45                 :    2798857 : STATIC bool is_end(mp_lexer_t *lex) {
      46                 :    2798857 :     return lex->chr0 == MP_LEXER_EOF;
      47                 :            : }
      48                 :            : 
      49                 :    1443530 : STATIC bool is_physical_newline(mp_lexer_t *lex) {
      50                 :    1443530 :     return lex->chr0 == '\n';
      51                 :            : }
      52                 :            : 
      53                 :    3484561 : STATIC bool is_char(mp_lexer_t *lex, byte c) {
      54                 :    3484561 :     return lex->chr0 == c;
      55                 :            : }
      56                 :            : 
      57                 :     491081 : STATIC bool is_char_or(mp_lexer_t *lex, byte c1, byte c2) {
      58   [ +  +  +  + ]:     491081 :     return lex->chr0 == c1 || lex->chr0 == c2;
      59                 :            : }
      60                 :            : 
      61                 :      46216 : STATIC bool is_char_or3(mp_lexer_t *lex, byte c1, byte c2, byte c3) {
      62   [ +  +  +  +  :      46216 :     return lex->chr0 == c1 || lex->chr0 == c2 || lex->chr0 == c3;
                   +  - ]
      63                 :            : }
      64                 :            : 
      65                 :            : #if MICROPY_PY_FSTRINGS
      66                 :     409692 : STATIC bool is_char_or4(mp_lexer_t *lex, byte c1, byte c2, byte c3, byte c4) {
      67   [ +  +  +  +  :     409692 :     return lex->chr0 == c1 || lex->chr0 == c2 || lex->chr0 == c3 || lex->chr0 == c4;
             +  +  +  + ]
      68                 :            : }
      69                 :            : #endif
      70                 :            : 
      71                 :       2201 : STATIC bool is_char_following(mp_lexer_t *lex, byte c) {
      72                 :       2201 :     return lex->chr1 == c;
      73                 :            : }
      74                 :            : 
      75                 :      26192 : STATIC bool is_char_following_or(mp_lexer_t *lex, byte c1, byte c2) {
      76   [ +  +  +  + ]:      26192 :     return lex->chr1 == c1 || lex->chr1 == c2;
      77                 :            : }
      78                 :            : 
      79                 :       1092 : STATIC bool is_char_following_following_or(mp_lexer_t *lex, byte c1, byte c2) {
      80   [ +  +  +  + ]:       1092 :     return lex->chr2 == c1 || lex->chr2 == c2;
      81                 :            : }
      82                 :            : 
      83                 :    2192766 : STATIC bool is_char_and(mp_lexer_t *lex, byte c1, byte c2) {
      84   [ +  +  +  + ]:    2192766 :     return lex->chr0 == c1 && lex->chr1 == c2;
      85                 :            : }
      86                 :            : 
      87                 :     906496 : STATIC bool is_whitespace(mp_lexer_t *lex) {
      88                 :     906496 :     return unichar_isspace(lex->chr0);
      89                 :            : }
      90                 :            : 
      91                 :    1180374 : STATIC bool is_letter(mp_lexer_t *lex) {
      92                 :    1180374 :     return unichar_isalpha(lex->chr0);
      93                 :            : }
      94                 :            : 
      95                 :     465541 : STATIC bool is_digit(mp_lexer_t *lex) {
      96                 :     465541 :     return unichar_isdigit(lex->chr0);
      97                 :            : }
      98                 :            : 
      99                 :      16439 : STATIC bool is_following_digit(mp_lexer_t *lex) {
     100                 :      16439 :     return unichar_isdigit(lex->chr1);
     101                 :            : }
     102                 :            : 
     103                 :       5027 : STATIC bool is_following_base_char(mp_lexer_t *lex) {
     104                 :       5027 :     const unichar chr1 = lex->chr1 | 0x20;
     105   [ +  +  +  + ]:       5027 :     return chr1 == 'b' || chr1 == 'o' || chr1 == 'x';
     106                 :            : }
     107                 :            : 
     108                 :        112 : STATIC bool is_following_odigit(mp_lexer_t *lex) {
     109                 :        112 :     return lex->chr1 >= '0' && lex->chr1 <= '7';
     110                 :            : }
     111                 :            : 
     112                 :     424602 : STATIC bool is_string_or_bytes(mp_lexer_t *lex) {
     113                 :     424602 :     return is_char_or(lex, '\'', '\"')
     114                 :            :            #if MICROPY_PY_FSTRINGS
     115   [ +  +  +  + ]:     409692 :            || (is_char_or4(lex, 'r', 'u', 'b', 'f') && is_char_following_or(lex, '\'', '\"'))
     116   [ +  +  +  + ]:     407603 :            || (((is_char_and(lex, 'r', 'f') || is_char_and(lex, 'f', 'r'))
     117         [ +  - ]:        883 :                && is_char_following_following_or(lex, '\'', '\"')))
     118                 :            :            #else
     119                 :            :            || (is_char_or3(lex, 'r', 'u', 'b') && is_char_following_or(lex, '\'', '\"'))
     120                 :            :            #endif
     121   [ +  +  +  +  :     832205 :            || ((is_char_and(lex, 'r', 'b') || is_char_and(lex, 'b', 'r'))
                   +  + ]
     122         [ +  + ]:        209 :                && is_char_following_following_or(lex, '\'', '\"'));
     123                 :            : }
     124                 :            : 
     125                 :            : // to easily parse utf-8 identifiers we allow any raw byte with high bit set
     126                 :    1107078 : STATIC bool is_head_of_identifier(mp_lexer_t *lex) {
     127   [ +  +  +  +  :    1107078 :     return is_letter(lex) || lex->chr0 == '_' || lex->chr0 >= 0x80;
                   +  + ]
     128                 :            : }
     129                 :            : 
     130                 :     716326 : STATIC bool is_tail_of_identifier(mp_lexer_t *lex) {
     131   [ +  +  +  + ]:     716326 :     return is_head_of_identifier(lex) || is_digit(lex);
     132                 :            : }
     133                 :            : 
     134                 :    2072580 : STATIC void next_char(mp_lexer_t *lex) {
     135         [ +  + ]:    2072580 :     if (lex->chr0 == '\n') {
     136                 :            :         // a new line
     137                 :      92450 :         ++lex->line;
     138                 :      92450 :         lex->column = 1;
     139         [ +  + ]:    1980130 :     } else if (lex->chr0 == '\t') {
     140                 :            :         // a tab
     141                 :          4 :         lex->column = (((lex->column - 1 + TAB_SIZE) / TAB_SIZE) * TAB_SIZE) + 1;
     142                 :            :     } else {
     143                 :            :         // a character worth one column
     144                 :    1980126 :         ++lex->column;
     145                 :            :     }
     146                 :            : 
     147                 :            :     // shift the input queue forward
     148                 :    2072580 :     lex->chr0 = lex->chr1;
     149                 :    2072580 :     lex->chr1 = lex->chr2;
     150                 :            : 
     151                 :            :     // and add the next byte from either the fstring args or the reader
     152                 :            :     #if MICROPY_PY_FSTRINGS
     153         [ +  + ]:    2072580 :     if (lex->fstring_args_idx) {
     154                 :            :         // if there are saved chars, then we're currently injecting fstring args
     155         [ +  + ]:        903 :         if (lex->fstring_args_idx < lex->fstring_args.len) {
     156                 :        716 :             lex->chr2 = lex->fstring_args.buf[lex->fstring_args_idx++];
     157                 :            :         } else {
     158                 :            :             // no more fstring arg bytes
     159                 :        187 :             lex->chr2 = '\0';
     160                 :            :         }
     161                 :            : 
     162         [ +  + ]:        903 :         if (lex->chr0 == '\0') {
     163                 :            :             // consumed all fstring data, restore saved input queue
     164                 :         61 :             lex->chr0 = lex->chr0_saved;
     165                 :         61 :             lex->chr1 = lex->chr1_saved;
     166                 :         61 :             lex->chr2 = lex->chr2_saved;
     167                 :            :             // stop consuming fstring arg data
     168                 :         61 :             vstr_reset(&lex->fstring_args);
     169                 :         61 :             lex->fstring_args_idx = 0;
     170                 :            :         }
     171                 :            :     } else
     172                 :            :     #endif
     173                 :            :     {
     174                 :    2071677 :         lex->chr2 = lex->reader.readbyte(lex->reader.data);
     175                 :            :     }
     176                 :            : 
     177         [ +  + ]:    2072584 :     if (lex->chr1 == '\r') {
     178                 :            :         // CR is a new line, converted to LF
     179                 :         76 :         lex->chr1 = '\n';
     180         [ +  + ]:         76 :         if (lex->chr2 == '\n') {
     181                 :            :             // CR LF is a single new line, throw out the extra LF
     182                 :         28 :             lex->chr2 = lex->reader.readbyte(lex->reader.data);
     183                 :            :         }
     184                 :            :     }
     185                 :            : 
     186                 :            :     // check if we need to insert a newline at end of file
     187   [ +  +  +  +  :    2072584 :     if (lex->chr2 == MP_LEXER_EOF && lex->chr1 != MP_LEXER_EOF && lex->chr1 != '\n') {
                   +  + ]
     188                 :       1505 :         lex->chr2 = '\n';
     189                 :            :     }
     190                 :    2072584 : }
     191                 :            : 
     192                 :      21668 : STATIC void indent_push(mp_lexer_t *lex, size_t indent) {
     193         [ +  + ]:      21668 :     if (lex->num_indent_level >= lex->alloc_indent_level) {
     194                 :          8 :         lex->indent_level = m_renew(uint16_t, lex->indent_level, lex->alloc_indent_level, lex->alloc_indent_level + MICROPY_ALLOC_LEXEL_INDENT_INC);
     195                 :          8 :         lex->alloc_indent_level += MICROPY_ALLOC_LEXEL_INDENT_INC;
     196                 :            :     }
     197                 :      21668 :     lex->indent_level[lex->num_indent_level++] = indent;
     198                 :      21668 : }
     199                 :            : 
     200                 :     104838 : STATIC size_t indent_top(mp_lexer_t *lex) {
     201                 :     104838 :     return lex->indent_level[lex->num_indent_level - 1];
     202                 :            : }
     203                 :            : 
     204                 :      21668 : STATIC void indent_pop(mp_lexer_t *lex) {
     205                 :      21668 :     lex->num_indent_level -= 1;
     206                 :      21668 : }
     207                 :            : 
     208                 :            : // some tricky operator encoding:
     209                 :            : //     <op>  = begin with <op>, if this opchar matches then begin here
     210                 :            : //     e<op> = end with <op>, if this opchar matches then end
     211                 :            : //     c<op> = continue with <op>, if this opchar matches then continue matching
     212                 :            : // this means if the start of two ops are the same then they are equal til the last char
     213                 :            : 
     214                 :            : STATIC const char *const tok_enc =
     215                 :            :     "()[]{},;~"   // singles
     216                 :            :     ":e="         // : :=
     217                 :            :     "<e=c<e="     // < <= << <<=
     218                 :            :     ">e=c>e="     // > >= >> >>=
     219                 :            :     "*e=c*e="     // * *= ** **=
     220                 :            :     "+e="         // + +=
     221                 :            :     "-e=e>"       // - -= ->
     222                 :            :     "&e="         // & &=
     223                 :            :     "|e="         // | |=
     224                 :            :     "/e=c/e="     // / /= // //=
     225                 :            :     "%e="         // % %=
     226                 :            :     "^e="         // ^ ^=
     227                 :            :     "@e="         // @ @=
     228                 :            :     "=e="         // = ==
     229                 :            :     "!.";         // start of special cases: != . ...
     230                 :            : 
     231                 :            : // TODO static assert that number of tokens is less than 256 so we can safely make this table with byte sized entries
     232                 :            : STATIC const uint8_t tok_enc_kind[] = {
     233                 :            :     MP_TOKEN_DEL_PAREN_OPEN, MP_TOKEN_DEL_PAREN_CLOSE,
     234                 :            :     MP_TOKEN_DEL_BRACKET_OPEN, MP_TOKEN_DEL_BRACKET_CLOSE,
     235                 :            :     MP_TOKEN_DEL_BRACE_OPEN, MP_TOKEN_DEL_BRACE_CLOSE,
     236                 :            :     MP_TOKEN_DEL_COMMA, MP_TOKEN_DEL_SEMICOLON, MP_TOKEN_OP_TILDE,
     237                 :            : 
     238                 :            :     MP_TOKEN_DEL_COLON, MP_TOKEN_OP_ASSIGN,
     239                 :            :     MP_TOKEN_OP_LESS, MP_TOKEN_OP_LESS_EQUAL, MP_TOKEN_OP_DBL_LESS, MP_TOKEN_DEL_DBL_LESS_EQUAL,
     240                 :            :     MP_TOKEN_OP_MORE, MP_TOKEN_OP_MORE_EQUAL, MP_TOKEN_OP_DBL_MORE, MP_TOKEN_DEL_DBL_MORE_EQUAL,
     241                 :            :     MP_TOKEN_OP_STAR, MP_TOKEN_DEL_STAR_EQUAL, MP_TOKEN_OP_DBL_STAR, MP_TOKEN_DEL_DBL_STAR_EQUAL,
     242                 :            :     MP_TOKEN_OP_PLUS, MP_TOKEN_DEL_PLUS_EQUAL,
     243                 :            :     MP_TOKEN_OP_MINUS, MP_TOKEN_DEL_MINUS_EQUAL, MP_TOKEN_DEL_MINUS_MORE,
     244                 :            :     MP_TOKEN_OP_AMPERSAND, MP_TOKEN_DEL_AMPERSAND_EQUAL,
     245                 :            :     MP_TOKEN_OP_PIPE, MP_TOKEN_DEL_PIPE_EQUAL,
     246                 :            :     MP_TOKEN_OP_SLASH, MP_TOKEN_DEL_SLASH_EQUAL, MP_TOKEN_OP_DBL_SLASH, MP_TOKEN_DEL_DBL_SLASH_EQUAL,
     247                 :            :     MP_TOKEN_OP_PERCENT, MP_TOKEN_DEL_PERCENT_EQUAL,
     248                 :            :     MP_TOKEN_OP_CARET, MP_TOKEN_DEL_CARET_EQUAL,
     249                 :            :     MP_TOKEN_OP_AT, MP_TOKEN_DEL_AT_EQUAL,
     250                 :            :     MP_TOKEN_DEL_EQUAL, MP_TOKEN_OP_DBL_EQUAL,
     251                 :            : };
     252                 :            : 
     253                 :            : // must have the same order as enum in lexer.h
     254                 :            : // must be sorted according to strcmp
     255                 :            : STATIC const char *const tok_kw[] = {
     256                 :            :     "False",
     257                 :            :     "None",
     258                 :            :     "True",
     259                 :            :     "__debug__",
     260                 :            :     "and",
     261                 :            :     "as",
     262                 :            :     "assert",
     263                 :            :     #if MICROPY_PY_ASYNC_AWAIT
     264                 :            :     "async",
     265                 :            :     "await",
     266                 :            :     #endif
     267                 :            :     "break",
     268                 :            :     "class",
     269                 :            :     "continue",
     270                 :            :     "def",
     271                 :            :     "del",
     272                 :            :     "elif",
     273                 :            :     "else",
     274                 :            :     "except",
     275                 :            :     "finally",
     276                 :            :     "for",
     277                 :            :     "from",
     278                 :            :     "global",
     279                 :            :     "if",
     280                 :            :     "import",
     281                 :            :     "in",
     282                 :            :     "is",
     283                 :            :     "lambda",
     284                 :            :     "nonlocal",
     285                 :            :     "not",
     286                 :            :     "or",
     287                 :            :     "pass",
     288                 :            :     "raise",
     289                 :            :     "return",
     290                 :            :     "try",
     291                 :            :     "while",
     292                 :            :     "with",
     293                 :            :     "yield",
     294                 :            : };
     295                 :            : 
     296                 :            : // This is called with CUR_CHAR() before first hex digit, and should return with
     297                 :            : // it pointing to last hex digit
     298                 :            : // num_digits must be greater than zero
     299                 :       2574 : STATIC bool get_hex(mp_lexer_t *lex, size_t num_digits, mp_uint_t *result) {
     300                 :       2574 :     mp_uint_t num = 0;
     301         [ +  + ]:       7798 :     while (num_digits-- != 0) {
     302                 :       5240 :         next_char(lex);
     303                 :       5240 :         unichar c = CUR_CHAR(lex);
     304         [ +  + ]:       5240 :         if (!unichar_isxdigit(c)) {
     305                 :            :             return false;
     306                 :            :         }
     307                 :       5224 :         num = (num << 4) + unichar_xdigit_value(c);
     308                 :            :     }
     309                 :       2558 :     *result = num;
     310                 :       2558 :     return true;
     311                 :            : }
     312                 :            : 
     313                 :      17003 : STATIC void parse_string_literal(mp_lexer_t *lex, bool is_raw, bool is_fstring) {
     314                 :            :     // get first quoting character
     315                 :      17003 :     char quote_char = '\'';
     316         [ +  + ]:      17003 :     if (is_char(lex, '\"')) {
     317                 :      13375 :         quote_char = '\"';
     318                 :            :     }
     319                 :      17003 :     next_char(lex);
     320                 :            : 
     321                 :            :     // work out if it's a single or triple quoted literal
     322                 :      17003 :     size_t num_quotes;
     323         [ +  + ]:      17003 :     if (is_char_and(lex, quote_char, quote_char)) {
     324                 :            :         // triple quotes
     325                 :         24 :         next_char(lex);
     326                 :         24 :         next_char(lex);
     327                 :         24 :         num_quotes = 3;
     328                 :            :     } else {
     329                 :            :         // single quotes
     330                 :            :         num_quotes = 1;
     331                 :            :     }
     332                 :            : 
     333                 :      17003 :     size_t n_closing = 0;
     334                 :            :     #if MICROPY_PY_FSTRINGS
     335         [ +  + ]:      17003 :     if (is_fstring) {
     336                 :            :         // assume there's going to be interpolation, so prep the injection data
     337                 :            :         // fstring_args_idx==0 && len(fstring_args)>0 means we're extracting the args.
     338                 :            :         // only when fstring_args_idx>0 will we consume the arg data
     339                 :            :         // note: lex->fstring_args will be empty already (it's reset when finished)
     340                 :         65 :         vstr_add_str(&lex->fstring_args, ".format(");
     341                 :            :     }
     342                 :            :     #endif
     343                 :            : 
     344   [ +  -  +  +  :     145925 :     while (!is_end(lex) && (num_quotes > 1 || !is_char(lex, '\n')) && n_closing < num_quotes) {
             +  +  +  + ]
     345         [ +  + ]:     128924 :         if (is_char(lex, quote_char)) {
     346                 :      17029 :             n_closing += 1;
     347                 :      17029 :             vstr_add_char(&lex->vstr, CUR_CHAR(lex));
     348                 :            :         } else {
     349                 :     111967 :             n_closing = 0;
     350                 :            : 
     351                 :            :             #if MICROPY_PY_FSTRINGS
     352   [ +  +  +  + ]:     111967 :             while (is_fstring && is_char(lex, '{')) {
     353                 :         71 :                 next_char(lex);
     354         [ +  + ]:         71 :                 if (is_char(lex, '{')) {
     355                 :            :                     // "{{" is passed through unchanged to be handled by str.format
     356                 :          8 :                     vstr_add_byte(&lex->vstr, '{');
     357                 :          8 :                     next_char(lex);
     358                 :            :                 } else {
     359                 :            :                     // remember the start of this argument (if we need it for f'{a=}').
     360                 :         63 :                     size_t i = lex->fstring_args.len;
     361                 :            :                     // extract characters inside the { until we reach the
     362                 :            :                     // format specifier or closing }.
     363                 :            :                     // (MicroPython limitation) note: this is completely unaware of
     364                 :            :                     // Python syntax and will not handle any expression containing '}' or ':'.
     365                 :            :                     // e.g. f'{"}"}' or f'{foo({})}'.
     366                 :         63 :                     unsigned int nested_bracket_level = 0;
     367   [ +  -  +  +  :        338 :                     while (!is_end(lex) && (nested_bracket_level != 0 || !is_char_or(lex, ':', '}'))) {
                   +  + ]
     368                 :        275 :                         unichar c = CUR_CHAR(lex);
     369         [ +  + ]:        275 :                         if (c == '[' || c == '{') {
     370                 :         12 :                             nested_bracket_level += 1;
     371         [ +  + ]:        263 :                         } else if (c == ']' || c == '}') {
     372                 :         12 :                             nested_bracket_level -= 1;
     373                 :            :                         }
     374                 :            :                         // like the default case at the end of this function, stay 8-bit clean
     375                 :        275 :                         vstr_add_byte(&lex->fstring_args, c);
     376                 :        275 :                         next_char(lex);
     377                 :            :                     }
     378         [ +  + ]:         63 :                     if (lex->fstring_args.buf[lex->fstring_args.len - 1] == '=') {
     379                 :            :                         // if the last character of the arg was '=', then inject "arg=" before the '{'.
     380                 :            :                         // f'{a=}' --> 'a={}'.format(a)
     381                 :         12 :                         vstr_add_strn(&lex->vstr, lex->fstring_args.buf + i, lex->fstring_args.len - i);
     382                 :            :                         // remove the trailing '='
     383                 :         12 :                         lex->fstring_args.len--;
     384                 :            :                     }
     385                 :            :                     // comma-separate args
     386                 :         63 :                     vstr_add_byte(&lex->fstring_args, ',');
     387                 :            :                 }
     388                 :         71 :                 vstr_add_byte(&lex->vstr, '{');
     389                 :            :             }
     390                 :            :             #endif
     391                 :            : 
     392         [ +  + ]:     111896 :             if (is_char(lex, '\\')) {
     393                 :       3392 :                 next_char(lex);
     394                 :       3392 :                 unichar c = CUR_CHAR(lex);
     395         [ +  + ]:       3392 :                 if (is_raw) {
     396                 :            :                     // raw strings allow escaping of quotes, but the backslash is also emitted
     397                 :         80 :                     vstr_add_char(&lex->vstr, '\\');
     398                 :            :                 } else {
     399   [ +  +  +  +  :       3312 :                     switch (c) {
          +  +  +  +  +  
             +  +  +  + ]
     400                 :            :                         // note: "c" can never be MP_LEXER_EOF because next_char
     401                 :            :                         // always inserts a newline at the end of the input stream
     402                 :            :                         case '\n':
     403                 :            :                             c = MP_LEXER_EOF;
     404                 :            :                             break;                          // backslash escape the newline, just ignore it
     405                 :            :                         case '\\':
     406                 :            :                             break;
     407                 :            :                         case '\'':
     408                 :            :                             break;
     409                 :            :                         case '"':
     410                 :            :                             break;
     411                 :            :                         case 'a':
     412                 :            :                             c = 0x07;
     413                 :            :                             break;
     414                 :            :                         case 'b':
     415                 :            :                             c = 0x08;
     416                 :            :                             break;
     417                 :            :                         case 't':
     418                 :            :                             c = 0x09;
     419                 :            :                             break;
     420                 :            :                         case 'n':
     421                 :            :                             c = 0x0a;
     422                 :            :                             break;
     423                 :            :                         case 'v':
     424                 :            :                             c = 0x0b;
     425                 :            :                             break;
     426                 :            :                         case 'f':
     427                 :            :                             c = 0x0c;
     428                 :            :                             break;
     429                 :            :                         case 'r':
     430                 :            :                             c = 0x0d;
     431                 :            :                             break;
     432                 :         28 :                         case 'u':
     433                 :            :                         case 'U':
     434         [ +  + ]:         28 :                             if (lex->tok_kind == MP_TOKEN_BYTES) {
     435                 :            :                                 // b'\u1234' == b'\\u1234'
     436                 :          2 :                                 vstr_add_char(&lex->vstr, '\\');
     437                 :          2 :                                 break;
     438                 :            :                             }
     439                 :            :                             // Otherwise fall through.
     440                 :       2574 :                             MP_FALLTHROUGH
     441                 :            :                         case 'x': {
     442                 :       2574 :                             mp_uint_t num = 0;
     443   [ +  -  +  +  :       2584 :                             if (!get_hex(lex, (c == 'x' ? 2 : c == 'u' ? 4 : 8), &num)) {
                   +  + ]
     444                 :            :                                 // not enough hex chars for escape sequence
     445                 :         16 :                                 lex->tok_kind = MP_TOKEN_INVALID;
     446                 :            :                             }
     447                 :       2574 :                             c = num;
     448                 :       2574 :                             break;
     449                 :            :                         }
     450                 :            :                         case 'N':
     451                 :            :                             // Supporting '\N{LATIN SMALL LETTER A}' == 'a' would require keeping the
     452                 :            :                             // entire Unicode name table in the core. As of Unicode 6.3.0, that's nearly
     453                 :            :                             // 3MB of text; even gzip-compressed and with minimal structure, it'll take
     454                 :            :                             // roughly half a meg of storage. This form of Unicode escape may be added
     455                 :            :                             // later on, but it's definitely not a priority right now. -- CJA 20140607
     456                 :          2 :                             mp_raise_NotImplementedError(MP_ERROR_TEXT("unicode name escapes"));
     457                 :        114 :                             break;
     458                 :        114 :                         default:
     459         [ +  + ]:        114 :                             if (c >= '0' && c <= '7') {
     460                 :            :                                 // Octal sequence, 1-3 chars
     461                 :        104 :                                 size_t digits = 3;
     462                 :        104 :                                 mp_uint_t num = c - '0';
     463   [ +  +  +  + ]:        112 :                                 while (is_following_odigit(lex) && --digits != 0) {
     464                 :          8 :                                     next_char(lex);
     465                 :          8 :                                     num = num * 8 + (CUR_CHAR(lex) - '0');
     466                 :            :                                 }
     467                 :        104 :                                 c = num;
     468                 :            :                             } else {
     469                 :            :                                 // unrecognised escape character; CPython lets this through verbatim as '\' and then the character
     470                 :         10 :                                 vstr_add_char(&lex->vstr, '\\');
     471                 :            :                             }
     472                 :            :                             break;
     473                 :            :                     }
     474                 :            :                 }
     475         [ +  - ]:       2770 :                 if (c != MP_LEXER_EOF) {
     476                 :            :                     #if MICROPY_PY_BUILTINS_STR_UNICODE
     477   [ +  +  +  + ]:       3388 :                     if (c < 0x110000 && lex->tok_kind == MP_TOKEN_STRING) {
     478                 :            :                         // Valid unicode character in a str object.
     479                 :        698 :                         vstr_add_char(&lex->vstr, c);
     480   [ +  -  +  + ]:       2688 :                     } else if (c < 0x100 && lex->tok_kind == MP_TOKEN_BYTES) {
     481                 :            :                         // Valid byte in a bytes object.
     482                 :       2672 :                         vstr_add_byte(&lex->vstr, c);
     483                 :            :                     }
     484                 :            :                     #else
     485                 :            :                     if (c < 0x100) {
     486                 :            :                         // Without unicode everything is just added as an 8-bit byte.
     487                 :            :                         vstr_add_byte(&lex->vstr, c);
     488                 :            :                     }
     489                 :            :                     #endif
     490                 :            :                     else {
     491                 :            :                         // Character out of range; this raises a generic SyntaxError.
     492                 :         18 :                         lex->tok_kind = MP_TOKEN_INVALID;
     493                 :            :                     }
     494                 :            :                 }
     495                 :            :             } else {
     496                 :            :                 // Add the "character" as a byte so that we remain 8-bit clean.
     497                 :            :                 // This way, strings are parsed correctly whether or not they contain utf-8 chars.
     498                 :     108504 :                 vstr_add_byte(&lex->vstr, CUR_CHAR(lex));
     499                 :            :             }
     500                 :            :         }
     501                 :     128924 :         next_char(lex);
     502                 :            :     }
     503                 :            : 
     504                 :            :     // check we got the required end quotes
     505         [ +  + ]:      17001 :     if (n_closing < num_quotes) {
     506                 :         20 :         lex->tok_kind = MP_TOKEN_LONELY_STRING_OPEN;
     507                 :            :     }
     508                 :            : 
     509                 :            :     // cut off the end quotes from the token text
     510                 :      17001 :     vstr_cut_tail_bytes(&lex->vstr, n_closing);
     511                 :      17001 : }
     512                 :            : 
     513                 :     537535 : STATIC bool skip_whitespace(mp_lexer_t *lex, bool stop_at_newline) {
     514                 :     537535 :     bool had_physical_newline = false;
     515         [ +  + ]:    1007428 :     while (!is_end(lex)) {
     516         [ +  + ]:     999300 :         if (is_physical_newline(lex)) {
     517   [ +  +  +  + ]:      92804 :             if (stop_at_newline && lex->nested_bracket_level == 0) {
     518                 :            :                 break;
     519                 :            :             }
     520                 :      92342 :             had_physical_newline = true;
     521                 :      92342 :             next_char(lex);
     522         [ +  + ]:     906496 :         } else if (is_whitespace(lex)) {
     523                 :     367039 :             next_char(lex);
     524         [ +  + ]:     539457 :         } else if (is_char(lex, '#')) {
     525                 :      10470 :             next_char(lex);
     526   [ +  -  +  + ]:     444231 :             while (!is_end(lex) && !is_physical_newline(lex)) {
     527                 :     433761 :                 next_char(lex);
     528                 :            :             }
     529                 :            :             // had_physical_newline will be set on next loop
     530         [ +  + ]:     528987 :         } else if (is_char_and(lex, '\\', '\n')) {
     531                 :            :             // line-continuation, so don't set had_physical_newline
     532                 :         40 :             next_char(lex);
     533                 :         40 :             next_char(lex);
     534                 :            :         } else {
     535                 :            :             break;
     536                 :            :         }
     537                 :            :     }
     538                 :     537537 :     return had_physical_newline;
     539                 :            : }
     540                 :            : 
     541                 :     520536 : void mp_lexer_to_next(mp_lexer_t *lex) {
     542                 :            :     #if MICROPY_PY_FSTRINGS
     543   [ +  +  +  + ]:     520536 :     if (lex->fstring_args.len && lex->fstring_args_idx == 0) {
     544                 :            :         // moving onto the next token means the literal string is complete.
     545                 :            :         // switch into injecting the format args.
     546                 :         65 :         vstr_add_byte(&lex->fstring_args, ')');
     547                 :         65 :         lex->chr0_saved = lex->chr0;
     548                 :         65 :         lex->chr1_saved = lex->chr1;
     549                 :         65 :         lex->chr2_saved = lex->chr2;
     550                 :         65 :         lex->chr0 = lex->fstring_args.buf[0];
     551                 :         65 :         lex->chr1 = lex->fstring_args.buf[1];
     552                 :         65 :         lex->chr2 = lex->fstring_args.buf[2];
     553                 :            :         // we've already extracted 3 chars, but setting this non-zero also
     554                 :            :         // means we'll start consuming the fstring data
     555                 :         65 :         lex->fstring_args_idx = 3;
     556                 :            :     }
     557                 :            :     #endif
     558                 :            : 
     559                 :            :     // start new token text
     560                 :     520536 :     vstr_reset(&lex->vstr);
     561                 :            : 
     562                 :            :     // skip white space and comments
     563                 :     520536 :     bool had_physical_newline = skip_whitespace(lex, false);
     564                 :            : 
     565                 :            :     // set token source information
     566                 :     520539 :     lex->tok_line = lex->line;
     567                 :     520539 :     lex->tok_column = lex->column;
     568                 :            : 
     569         [ +  + ]:     520539 :     if (lex->emit_dent < 0) {
     570                 :      21664 :         lex->tok_kind = MP_TOKEN_DEDENT;
     571                 :      21664 :         lex->emit_dent += 1;
     572                 :            : 
     573         [ +  + ]:     498875 :     } else if (lex->emit_dent > 0) {
     574                 :      21668 :         lex->tok_kind = MP_TOKEN_INDENT;
     575                 :      21668 :         lex->emit_dent -= 1;
     576                 :            : 
     577   [ +  +  +  + ]:     477207 :     } else if (had_physical_newline && lex->nested_bracket_level == 0) {
     578                 :      66025 :         lex->tok_kind = MP_TOKEN_NEWLINE;
     579                 :            : 
     580                 :      66025 :         size_t num_spaces = lex->column - 1;
     581         [ +  + ]:      66025 :         if (num_spaces == indent_top(lex)) {
     582         [ +  + ]:      38813 :         } else if (num_spaces > indent_top(lex)) {
     583                 :      21668 :             indent_push(lex, num_spaces);
     584                 :      21668 :             lex->emit_dent += 1;
     585                 :            :         } else {
     586         [ +  + ]:      38813 :             while (num_spaces < indent_top(lex)) {
     587                 :      21668 :                 indent_pop(lex);
     588                 :      21668 :                 lex->emit_dent -= 1;
     589                 :            :             }
     590         [ +  + ]:      17145 :             if (num_spaces != indent_top(lex)) {
     591                 :          4 :                 lex->tok_kind = MP_TOKEN_DEDENT_MISMATCH;
     592                 :            :             }
     593                 :            :         }
     594                 :            : 
     595         [ +  + ]:     411182 :     } else if (is_end(lex)) {
     596                 :       3576 :         lex->tok_kind = MP_TOKEN_END;
     597                 :            : 
     598         [ +  + ]:     407606 :     } else if (is_string_or_bytes(lex)) {
     599                 :            :         // a string or bytes literal
     600                 :            : 
     601                 :            :         // Python requires adjacent string/bytes literals to be automatically
     602                 :            :         // concatenated.  We do it here in the tokeniser to make efficient use of RAM,
     603                 :            :         // because then the lexer's vstr can be used to accumulate the string literal,
     604                 :            :         // in contrast to creating a parse tree of strings and then joining them later
     605                 :            :         // in the compiler.  It's also more compact in code size to do it here.
     606                 :            : 
     607                 :            :         // MP_TOKEN_END is used to indicate that this is the first string token
     608                 :      16851 :         lex->tok_kind = MP_TOKEN_END;
     609                 :            : 
     610                 :            :         // Loop to accumulate string/bytes literals
     611                 :      17007 :         do {
     612                 :            :             // parse type codes
     613                 :      17007 :             bool is_raw = false;
     614                 :      17007 :             bool is_fstring = false;
     615                 :      17007 :             mp_token_kind_t kind = MP_TOKEN_STRING;
     616                 :      17007 :             int n_char = 0;
     617         [ +  + ]:      17007 :             if (is_char(lex, 'u')) {
     618                 :            :                 n_char = 1;
     619         [ +  + ]:      17005 :             } else if (is_char(lex, 'b')) {
     620                 :       1920 :                 kind = MP_TOKEN_BYTES;
     621                 :       1920 :                 n_char = 1;
     622         [ +  + ]:       1920 :                 if (is_char_following(lex, 'r')) {
     623                 :          2 :                     is_raw = true;
     624                 :          2 :                     n_char = 2;
     625                 :            :                 }
     626         [ +  + ]:      15085 :             } else if (is_char(lex, 'r')) {
     627                 :        108 :                 is_raw = true;
     628                 :        108 :                 n_char = 1;
     629         [ +  + ]:        108 :                 if (is_char_following(lex, 'b')) {
     630                 :          4 :                     kind = MP_TOKEN_BYTES;
     631                 :          4 :                     n_char = 2;
     632                 :            :                 }
     633                 :            :                 #if MICROPY_PY_FSTRINGS
     634         [ -  + ]:        108 :                 if (is_char_following(lex, 'f')) {
     635                 :            :                     // raw-f-strings unsupported, immediately return (invalid) token.
     636                 :          0 :                     lex->tok_kind = MP_TOKEN_FSTRING_RAW;
     637                 :          0 :                     break;
     638                 :            :                 }
     639                 :            :                 #endif
     640                 :            :             }
     641                 :            :             #if MICROPY_PY_FSTRINGS
     642         [ +  + ]:      14977 :             else if (is_char(lex, 'f')) {
     643         [ -  + ]:         65 :                 if (is_char_following(lex, 'r')) {
     644                 :            :                     // raw-f-strings unsupported, immediately return (invalid) token.
     645                 :          0 :                     lex->tok_kind = MP_TOKEN_FSTRING_RAW;
     646                 :          0 :                     break;
     647                 :            :                 }
     648                 :            :                 n_char = 1;
     649                 :            :                 is_fstring = true;
     650                 :            :             }
     651                 :            :             #endif
     652                 :            : 
     653                 :            :             // Set or check token kind
     654         [ +  + ]:      17007 :             if (lex->tok_kind == MP_TOKEN_END) {
     655                 :      16851 :                 lex->tok_kind = kind;
     656         [ +  + ]:        156 :             } else if (lex->tok_kind != kind) {
     657                 :            :                 // Can't concatenate string with bytes
     658                 :            :                 break;
     659                 :            :             }
     660                 :            : 
     661                 :            :             // Skip any type code characters
     662         [ +  + ]:      17003 :             if (n_char != 0) {
     663                 :       2091 :                 next_char(lex);
     664         [ +  + ]:       2091 :                 if (n_char == 2) {
     665                 :          6 :                     next_char(lex);
     666                 :            :                 }
     667                 :            :             }
     668                 :            : 
     669                 :            :             // Parse the literal
     670                 :      17003 :             parse_string_literal(lex, is_raw, is_fstring);
     671                 :            : 
     672                 :            :             // Skip whitespace so we can check if there's another string following
     673                 :      17001 :             skip_whitespace(lex, true);
     674                 :            : 
     675         [ +  + ]:      17001 :         } while (is_string_or_bytes(lex));
     676                 :            : 
     677         [ +  + ]:     390755 :     } else if (is_head_of_identifier(lex)) {
     678                 :     156375 :         lex->tok_kind = MP_TOKEN_NAME;
     679                 :            : 
     680                 :            :         // get first char (add as byte to remain 8-bit clean and support utf-8)
     681                 :     156375 :         vstr_add_byte(&lex->vstr, CUR_CHAR(lex));
     682                 :     156375 :         next_char(lex);
     683                 :            : 
     684                 :            :         // get tail chars
     685   [ +  -  +  + ]:     716326 :         while (!is_end(lex) && is_tail_of_identifier(lex)) {
     686                 :     559952 :             vstr_add_byte(&lex->vstr, CUR_CHAR(lex));
     687                 :     559952 :             next_char(lex);
     688                 :            :         }
     689                 :            : 
     690                 :            :         // Check if the name is a keyword.
     691                 :            :         // We also check for __debug__ here and convert it to its value.  This is
     692                 :            :         // so the parser gives a syntax error on, eg, x.__debug__.  Otherwise, we
     693                 :            :         // need to check for this special token in many places in the compiler.
     694                 :     156375 :         const char *s = vstr_null_terminated_str(&lex->vstr);
     695         [ +  + ]:    3346319 :         for (size_t i = 0; i < MP_ARRAY_SIZE(tok_kw); i++) {
     696                 :    3346136 :             int cmp = strcmp(s, tok_kw[i]);
     697         [ +  + ]:    3346136 :             if (cmp == 0) {
     698                 :      43089 :                 lex->tok_kind = MP_TOKEN_KW_FALSE + i;
     699         [ +  + ]:      43089 :                 if (lex->tok_kind == MP_TOKEN_KW___DEBUG__) {
     700         [ +  + ]:         18 :                     lex->tok_kind = (MP_STATE_VM(mp_optimise_value) == 0 ? MP_TOKEN_KW_TRUE : MP_TOKEN_KW_FALSE);
     701                 :            :                 }
     702                 :            :                 break;
     703         [ +  + ]:    3303047 :             } else if (cmp < 0) {
     704                 :            :                 // Table is sorted and comparison was less-than, so stop searching
     705                 :            :                 break;
     706                 :            :             }
     707                 :            :         }
     708                 :            : 
     709   [ +  +  +  +  :     234381 :     } else if (is_digit(lex) || (is_char(lex, '.') && is_following_digit(lex))) {
                   +  + ]
     710                 :      27047 :         bool forced_integer = false;
     711         [ +  + ]:      27047 :         if (is_char(lex, '.')) {
     712                 :          2 :             lex->tok_kind = MP_TOKEN_FLOAT_OR_IMAG;
     713                 :            :         } else {
     714                 :      27045 :             lex->tok_kind = MP_TOKEN_INTEGER;
     715   [ +  +  +  + ]:      27045 :             if (is_char(lex, '0') && is_following_base_char(lex)) {
     716                 :        891 :                 forced_integer = true;
     717                 :            :             }
     718                 :            :         }
     719                 :            : 
     720                 :            :         // get first char
     721                 :      27047 :         vstr_add_char(&lex->vstr, CUR_CHAR(lex));
     722                 :      27047 :         next_char(lex);
     723                 :            : 
     724                 :            :         // get tail chars
     725         [ +  - ]:      73473 :         while (!is_end(lex)) {
     726   [ +  +  +  + ]:      73473 :             if (!forced_integer && is_char_or(lex, 'e', 'E')) {
     727                 :        170 :                 lex->tok_kind = MP_TOKEN_FLOAT_OR_IMAG;
     728                 :        170 :                 vstr_add_char(&lex->vstr, 'e');
     729                 :        170 :                 next_char(lex);
     730   [ +  -  +  + ]:        170 :                 if (is_char(lex, '+') || is_char(lex, '-')) {
     731                 :         96 :                     vstr_add_char(&lex->vstr, CUR_CHAR(lex));
     732                 :         96 :                     next_char(lex);
     733                 :            :                 }
     734   [ +  +  +  +  :      73303 :             } else if (is_letter(lex) || is_digit(lex) || is_char(lex, '.')) {
                   +  + ]
     735         [ +  + ]:      46216 :                 if (is_char_or3(lex, '.', 'j', 'J')) {
     736                 :       1529 :                     lex->tok_kind = MP_TOKEN_FLOAT_OR_IMAG;
     737                 :            :                 }
     738                 :      46216 :                 vstr_add_char(&lex->vstr, CUR_CHAR(lex));
     739                 :      46216 :                 next_char(lex);
     740         [ +  + ]:      27087 :             } else if (is_char(lex, '_')) {
     741                 :         40 :                 next_char(lex);
     742                 :            :             } else {
     743                 :            :                 break;
     744                 :            :             }
     745                 :            :         }
     746                 :            : 
     747                 :            :     } else {
     748                 :            :         // search for encoded delimiter or operator
     749                 :            : 
     750                 :            :         const char *t = tok_enc;
     751                 :            :         size_t tok_enc_index = 0;
     752   [ +  +  +  + ]:    2108611 :         for (; *t != 0 && !is_char(lex, *t); t += 1) {
     753         [ +  + ]:    1901276 :             if (*t == 'e' || *t == 'c') {
     754                 :     696157 :                 t += 1;
     755                 :            :             }
     756                 :    1901276 :             tok_enc_index += 1;
     757                 :            :         }
     758                 :            : 
     759                 :     207335 :         next_char(lex);
     760                 :            : 
     761         [ +  + ]:     207335 :         if (*t == 0) {
     762                 :            :             // didn't match any delimiter or operator characters
     763                 :         16 :             lex->tok_kind = MP_TOKEN_INVALID;
     764                 :            : 
     765         [ +  + ]:     207319 :         } else if (*t == '!') {
     766                 :            :             // "!=" is a special case because "!" is not a valid operator
     767         [ +  + ]:        355 :             if (is_char(lex, '=')) {
     768                 :        351 :                 next_char(lex);
     769                 :        351 :                 lex->tok_kind = MP_TOKEN_OP_NOT_EQUAL;
     770                 :            :             } else {
     771                 :          4 :                 lex->tok_kind = MP_TOKEN_INVALID;
     772                 :            :             }
     773                 :            : 
     774         [ +  + ]:     206964 :         } else if (*t == '.') {
     775                 :            :             // "." and "..." are special cases because ".." is not a valid operator
     776         [ +  + ]:      16437 :             if (is_char_and(lex, '.', '.')) {
     777                 :         14 :                 next_char(lex);
     778                 :         14 :                 next_char(lex);
     779                 :         14 :                 lex->tok_kind = MP_TOKEN_ELLIPSIS;
     780                 :            :             } else {
     781                 :      16423 :                 lex->tok_kind = MP_TOKEN_DEL_PERIOD;
     782                 :            :             }
     783                 :            : 
     784                 :            :         } else {
     785                 :            :             // matched a delimiter or operator character
     786                 :            : 
     787                 :            :             // get the maximum characters for a valid token
     788                 :     190527 :             t += 1;
     789                 :     190527 :             size_t t_index = tok_enc_index;
     790         [ +  + ]:     237757 :             while (*t == 'c' || *t == 'e') {
     791                 :      51203 :                 t_index += 1;
     792         [ +  + ]:      51203 :                 if (is_char(lex, t[1])) {
     793                 :       3117 :                     next_char(lex);
     794                 :       3117 :                     tok_enc_index = t_index;
     795         [ +  + ]:       3117 :                     if (*t == 'e') {
     796                 :            :                         break;
     797                 :            :                     }
     798         [ +  + ]:      48086 :                 } else if (*t == 'c') {
     799                 :            :                     break;
     800                 :            :                 }
     801                 :      47230 :                 t += 2;
     802                 :            :             }
     803                 :            : 
     804                 :            :             // set token kind
     805                 :     190527 :             lex->tok_kind = tok_enc_kind[tok_enc_index];
     806                 :            : 
     807                 :            :             // compute bracket level for implicit line joining
     808   [ +  +  +  + ]:     190527 :             if (lex->tok_kind == MP_TOKEN_DEL_PAREN_OPEN || lex->tok_kind == MP_TOKEN_DEL_BRACKET_OPEN || lex->tok_kind == MP_TOKEN_DEL_BRACE_OPEN) {
     809                 :      60216 :                 lex->nested_bracket_level += 1;
     810   [ +  +  +  + ]:     130311 :             } else if (lex->tok_kind == MP_TOKEN_DEL_PAREN_CLOSE || lex->tok_kind == MP_TOKEN_DEL_BRACKET_CLOSE || lex->tok_kind == MP_TOKEN_DEL_BRACE_CLOSE) {
     811                 :      60194 :                 lex->nested_bracket_level -= 1;
     812                 :            :             }
     813                 :            :         }
     814                 :            :     }
     815                 :     520539 : }
     816                 :            : 
     817                 :       3708 : mp_lexer_t *mp_lexer_new(qstr src_name, mp_reader_t reader) {
     818                 :       3708 :     mp_lexer_t *lex = m_new_obj(mp_lexer_t);
     819                 :            : 
     820                 :       3708 :     lex->source_name = src_name;
     821                 :       3708 :     lex->reader = reader;
     822                 :       3708 :     lex->line = 1;
     823                 :       3708 :     lex->column = (size_t)-2; // account for 3 dummy bytes
     824                 :       3708 :     lex->emit_dent = 0;
     825                 :       3708 :     lex->nested_bracket_level = 0;
     826                 :       3708 :     lex->alloc_indent_level = MICROPY_ALLOC_LEXER_INDENT_INIT;
     827                 :       3708 :     lex->num_indent_level = 1;
     828                 :       3708 :     lex->indent_level = m_new(uint16_t, lex->alloc_indent_level);
     829                 :       3708 :     vstr_init(&lex->vstr, 32);
     830                 :            :     #if MICROPY_PY_FSTRINGS
     831                 :       3708 :     vstr_init(&lex->fstring_args, 0);
     832                 :            :     #endif
     833                 :            : 
     834                 :            :     // store sentinel for first indentation level
     835                 :       3708 :     lex->indent_level[0] = 0;
     836                 :            : 
     837                 :            :     // load lexer with start of file, advancing lex->column to 1
     838                 :            :     // start with dummy bytes and use next_char() for proper EOL/EOF handling
     839                 :       3708 :     lex->chr0 = lex->chr1 = lex->chr2 = 0;
     840                 :       3708 :     next_char(lex);
     841                 :       3708 :     next_char(lex);
     842                 :       3708 :     next_char(lex);
     843                 :            : 
     844                 :            :     // preload first token
     845                 :       3708 :     mp_lexer_to_next(lex);
     846                 :            : 
     847                 :            :     // Check that the first token is in the first column.  If it's not then we
     848                 :            :     // convert the token kind to INDENT so that the parser gives a syntax error.
     849         [ +  + ]:       3706 :     if (lex->tok_column != 1) {
     850                 :          4 :         lex->tok_kind = MP_TOKEN_INDENT;
     851                 :            :     }
     852                 :            : 
     853                 :       3706 :     return lex;
     854                 :            : }
     855                 :            : 
     856                 :       1616 : mp_lexer_t *mp_lexer_new_from_str_len(qstr src_name, const char *str, size_t len, size_t free_len) {
     857                 :       1616 :     mp_reader_t reader;
     858                 :       1616 :     mp_reader_new_mem(&reader, (const byte *)str, len, free_len);
     859                 :       1616 :     return mp_lexer_new(src_name, reader);
     860                 :            : }
     861                 :            : 
     862                 :            : #if MICROPY_READER_POSIX || MICROPY_READER_VFS
     863                 :            : 
     864                 :       2095 : mp_lexer_t *mp_lexer_new_from_file(const char *filename) {
     865                 :       2095 :     mp_reader_t reader;
     866                 :       2095 :     mp_reader_new_file(&reader, filename);
     867                 :       2091 :     return mp_lexer_new(qstr_from_str(filename), reader);
     868                 :            : }
     869                 :            : 
     870                 :            : #if MICROPY_HELPER_LEXER_UNIX
     871                 :            : 
     872                 :          1 : mp_lexer_t *mp_lexer_new_from_fd(qstr filename, int fd, bool close_fd) {
     873                 :          1 :     mp_reader_t reader;
     874                 :          1 :     mp_reader_new_file_from_fd(&reader, fd, close_fd);
     875                 :          1 :     return mp_lexer_new(filename, reader);
     876                 :            : }
     877                 :            : 
     878                 :            : #endif
     879                 :            : 
     880                 :            : #endif
     881                 :            : 
     882                 :       3560 : void mp_lexer_free(mp_lexer_t *lex) {
     883         [ +  - ]:       3560 :     if (lex) {
     884                 :       3560 :         lex->reader.close(lex->reader.data);
     885                 :       3560 :         vstr_clear(&lex->vstr);
     886                 :            :         #if MICROPY_PY_FSTRINGS
     887                 :       3560 :         vstr_clear(&lex->fstring_args);
     888                 :            :         #endif
     889                 :       3560 :         m_del(uint16_t, lex->indent_level, lex->alloc_indent_level);
     890                 :       3560 :         m_del_obj(mp_lexer_t, lex);
     891                 :            :     }
     892                 :       3560 : }
     893                 :            : 
     894                 :            : #if 0
     895                 :            : // This function is used to print the current token and should only be
     896                 :            : // needed to debug the lexer, so it's not available via a config option.
     897                 :            : void mp_lexer_show_token(const mp_lexer_t *lex) {
     898                 :            :     printf("(" UINT_FMT ":" UINT_FMT ") kind:%u str:%p len:%zu", lex->tok_line, lex->tok_column, lex->tok_kind, lex->vstr.buf, lex->vstr.len);
     899                 :            :     if (lex->vstr.len > 0) {
     900                 :            :         const byte *i = (const byte *)lex->vstr.buf;
     901                 :            :         const byte *j = (const byte *)i + lex->vstr.len;
     902                 :            :         printf(" ");
     903                 :            :         while (i < j) {
     904                 :            :             unichar c = utf8_get_char(i);
     905                 :            :             i = utf8_next_char(i);
     906                 :            :             if (unichar_isprint(c)) {
     907                 :            :                 printf("%c", (int)c);
     908                 :            :             } else {
     909                 :            :                 printf("?");
     910                 :            :             }
     911                 :            :         }
     912                 :            :     }
     913                 :            :     printf("\n");
     914                 :            : }
     915                 :            : #endif
     916                 :            : 
     917                 :            : #endif // MICROPY_ENABLE_COMPILER

Generated by: LCOV version 1.15-5-g462f71d