Support UTF-16 chars in LineIndex
This commit is contained in:
parent
9aebd9e6ca
commit
136d1864bc
@ -1,43 +1,124 @@
|
||||
use crate::TextUnit;
|
||||
use rustc_hash::FxHashMap;
|
||||
use superslice::Ext;
|
||||
|
||||
#[derive(Clone, Debug, Hash, PartialEq, Eq)]
|
||||
#[derive(Clone, Debug, PartialEq, Eq)]
|
||||
pub struct LineIndex {
|
||||
newlines: Vec<TextUnit>,
|
||||
utf16_lines: FxHashMap<u32, Vec<Utf16Char>>,
|
||||
}
|
||||
|
||||
#[derive(Clone, Copy, Debug, PartialEq, Eq, Hash)]
|
||||
pub struct LineCol {
|
||||
pub line: u32,
|
||||
pub col: TextUnit,
|
||||
pub col: u32,
|
||||
}
|
||||
|
||||
#[derive(Clone, Debug, Hash, PartialEq, Eq)]
|
||||
struct Utf16Char {
|
||||
start: TextUnit,
|
||||
end: TextUnit,
|
||||
}
|
||||
|
||||
impl Utf16Char {
|
||||
fn len(&self) -> TextUnit {
|
||||
self.end - self.start
|
||||
}
|
||||
}
|
||||
|
||||
impl LineIndex {
|
||||
pub fn new(text: &str) -> LineIndex {
|
||||
let mut utf16_lines = FxHashMap::default();
|
||||
let mut utf16_chars = Vec::new();
|
||||
|
||||
let mut newlines = vec![0.into()];
|
||||
let mut curr = 0.into();
|
||||
let mut curr_row = 0.into();
|
||||
let mut curr_col = 0.into();
|
||||
let mut line = 0;
|
||||
for c in text.chars() {
|
||||
curr += TextUnit::of_char(c);
|
||||
curr_row += TextUnit::of_char(c);
|
||||
if c == '\n' {
|
||||
newlines.push(curr);
|
||||
newlines.push(curr_row);
|
||||
|
||||
// Save any utf-16 characters seen in the previous line
|
||||
if utf16_chars.len() > 0 {
|
||||
utf16_lines.insert(line, utf16_chars);
|
||||
utf16_chars = Vec::new();
|
||||
}
|
||||
|
||||
// Prepare for processing the next line
|
||||
curr_col = 0.into();
|
||||
line += 1;
|
||||
continue;
|
||||
}
|
||||
|
||||
let char_len = TextUnit::of_char(c);
|
||||
if char_len.to_usize() > 1 {
|
||||
utf16_chars.push(Utf16Char {
|
||||
start: curr_col,
|
||||
end: curr_col + char_len,
|
||||
});
|
||||
}
|
||||
|
||||
curr_col += char_len;
|
||||
}
|
||||
LineIndex {
|
||||
newlines,
|
||||
utf16_lines,
|
||||
}
|
||||
LineIndex { newlines }
|
||||
}
|
||||
|
||||
pub fn line_col(&self, offset: TextUnit) -> LineCol {
|
||||
let line = self.newlines.upper_bound(&offset) - 1;
|
||||
let line_start_offset = self.newlines[line];
|
||||
let col = offset - line_start_offset;
|
||||
|
||||
LineCol {
|
||||
line: line as u32,
|
||||
col,
|
||||
col: self.utf8_to_utf16_col(line as u32, col) as u32,
|
||||
}
|
||||
}
|
||||
|
||||
pub fn offset(&self, line_col: LineCol) -> TextUnit {
|
||||
//TODO: return Result
|
||||
self.newlines[line_col.line as usize] + line_col.col
|
||||
let col = self.utf16_to_utf8_col(line_col.line, line_col.col);
|
||||
self.newlines[line_col.line as usize] + col
|
||||
}
|
||||
|
||||
fn utf8_to_utf16_col(&self, line: u32, mut col: TextUnit) -> usize {
|
||||
if let Some(utf16_chars) = self.utf16_lines.get(&line) {
|
||||
let mut correction = TextUnit::from_usize(0);
|
||||
for c in utf16_chars {
|
||||
if col >= c.end {
|
||||
correction += c.len() - TextUnit::from_usize(1);
|
||||
} else {
|
||||
// From here on, all utf16 characters come *after* the character we are mapping,
|
||||
// so we don't need to take them into account
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
col -= correction;
|
||||
}
|
||||
|
||||
col.to_usize()
|
||||
}
|
||||
|
||||
fn utf16_to_utf8_col(&self, line: u32, col: u32) -> TextUnit {
|
||||
let mut col: TextUnit = col.into();
|
||||
if let Some(utf16_chars) = self.utf16_lines.get(&line) {
|
||||
for c in utf16_chars {
|
||||
if col >= c.start {
|
||||
col += c.len() - TextUnit::from_usize(1);
|
||||
} else {
|
||||
// From here on, all utf16 characters come *after* the character we are mapping,
|
||||
// so we don't need to take them into account
|
||||
break;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
col
|
||||
}
|
||||
}
|
||||
|
||||
@ -45,105 +126,115 @@ pub fn offset(&self, line_col: LineCol) -> TextUnit {
|
||||
fn test_line_index() {
|
||||
let text = "hello\nworld";
|
||||
let index = LineIndex::new(text);
|
||||
assert_eq!(
|
||||
index.line_col(0.into()),
|
||||
LineCol {
|
||||
line: 0,
|
||||
col: 0.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(1.into()),
|
||||
LineCol {
|
||||
line: 0,
|
||||
col: 1.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(5.into()),
|
||||
LineCol {
|
||||
line: 0,
|
||||
col: 5.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(6.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 0.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(7.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 1.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(8.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 2.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(10.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 4.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(11.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 5.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(12.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 6.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(index.line_col(0.into()), LineCol { line: 0, col: 0 });
|
||||
assert_eq!(index.line_col(1.into()), LineCol { line: 0, col: 1 });
|
||||
assert_eq!(index.line_col(5.into()), LineCol { line: 0, col: 5 });
|
||||
assert_eq!(index.line_col(6.into()), LineCol { line: 1, col: 0 });
|
||||
assert_eq!(index.line_col(7.into()), LineCol { line: 1, col: 1 });
|
||||
assert_eq!(index.line_col(8.into()), LineCol { line: 1, col: 2 });
|
||||
assert_eq!(index.line_col(10.into()), LineCol { line: 1, col: 4 });
|
||||
assert_eq!(index.line_col(11.into()), LineCol { line: 1, col: 5 });
|
||||
assert_eq!(index.line_col(12.into()), LineCol { line: 1, col: 6 });
|
||||
|
||||
let text = "\nhello\nworld";
|
||||
let index = LineIndex::new(text);
|
||||
assert_eq!(
|
||||
index.line_col(0.into()),
|
||||
LineCol {
|
||||
line: 0,
|
||||
col: 0.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(1.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 0.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(2.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 1.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(6.into()),
|
||||
LineCol {
|
||||
line: 1,
|
||||
col: 5.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
index.line_col(7.into()),
|
||||
LineCol {
|
||||
line: 2,
|
||||
col: 0.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(index.line_col(0.into()), LineCol { line: 0, col: 0 });
|
||||
assert_eq!(index.line_col(1.into()), LineCol { line: 1, col: 0 });
|
||||
assert_eq!(index.line_col(2.into()), LineCol { line: 1, col: 1 });
|
||||
assert_eq!(index.line_col(6.into()), LineCol { line: 1, col: 5 });
|
||||
assert_eq!(index.line_col(7.into()), LineCol { line: 2, col: 0 });
|
||||
}
|
||||
|
||||
#[cfg(test)]
|
||||
mod test_utf8_utf16_conv {
|
||||
use super::*;
|
||||
|
||||
#[test]
|
||||
fn test_char_len() {
|
||||
assert_eq!('メ'.len_utf8(), 3);
|
||||
assert_eq!('メ'.len_utf16(), 1);
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_empty_index() {
|
||||
let col_index = LineIndex::new(
|
||||
"
|
||||
const C: char = 'x';
|
||||
",
|
||||
);
|
||||
assert_eq!(col_index.utf16_lines.len(), 0);
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_single_char() {
|
||||
let col_index = LineIndex::new(
|
||||
"
|
||||
const C: char = 'メ';
|
||||
",
|
||||
);
|
||||
|
||||
assert_eq!(col_index.utf16_lines.len(), 1);
|
||||
assert_eq!(col_index.utf16_lines[&1].len(), 1);
|
||||
assert_eq!(
|
||||
col_index.utf16_lines[&1][0],
|
||||
Utf16Char {
|
||||
start: 17.into(),
|
||||
end: 20.into()
|
||||
}
|
||||
);
|
||||
|
||||
// UTF-8 to UTF-16, no changes
|
||||
assert_eq!(col_index.utf8_to_utf16_col(1, 15.into()), 15);
|
||||
|
||||
// UTF-8 to UTF-16
|
||||
assert_eq!(col_index.utf8_to_utf16_col(1, 22.into()), 20);
|
||||
|
||||
// UTF-16 to UTF-8, no changes
|
||||
assert_eq!(col_index.utf16_to_utf8_col(1, 15), TextUnit::from(15));
|
||||
|
||||
// UTF-16 to UTF-8
|
||||
assert_eq!(col_index.utf16_to_utf8_col(1, 19), TextUnit::from(21));
|
||||
}
|
||||
|
||||
#[test]
|
||||
fn test_string() {
|
||||
let col_index = LineIndex::new(
|
||||
"
|
||||
const C: char = \"メ メ\";
|
||||
",
|
||||
);
|
||||
|
||||
assert_eq!(col_index.utf16_lines.len(), 1);
|
||||
assert_eq!(col_index.utf16_lines[&1].len(), 2);
|
||||
assert_eq!(
|
||||
col_index.utf16_lines[&1][0],
|
||||
Utf16Char {
|
||||
start: 17.into(),
|
||||
end: 20.into()
|
||||
}
|
||||
);
|
||||
assert_eq!(
|
||||
col_index.utf16_lines[&1][1],
|
||||
Utf16Char {
|
||||
start: 21.into(),
|
||||
end: 24.into()
|
||||
}
|
||||
);
|
||||
|
||||
// UTF-8 to UTF-16
|
||||
assert_eq!(col_index.utf8_to_utf16_col(1, 15.into()), 15);
|
||||
|
||||
assert_eq!(col_index.utf8_to_utf16_col(1, 21.into()), 19);
|
||||
assert_eq!(col_index.utf8_to_utf16_col(1, 25.into()), 21);
|
||||
|
||||
assert!(col_index.utf8_to_utf16_col(2, 15.into()) == 15);
|
||||
|
||||
// UTF-16 to UTF-8
|
||||
assert_eq!(col_index.utf16_to_utf8_col(1, 15), TextUnit::from_usize(15));
|
||||
|
||||
assert_eq!(col_index.utf16_to_utf8_col(1, 18), TextUnit::from_usize(20));
|
||||
assert_eq!(col_index.utf16_to_utf8_col(1, 19), TextUnit::from_usize(23));
|
||||
|
||||
assert_eq!(col_index.utf16_to_utf8_col(2, 15), TextUnit::from_usize(15));
|
||||
}
|
||||
}
|
||||
|
@ -49,7 +49,6 @@ impl ConvWith for Position {
|
||||
type Output = TextUnit;
|
||||
|
||||
fn conv_with(self, line_index: &LineIndex) -> TextUnit {
|
||||
// TODO: UTF-16
|
||||
let line_col = LineCol {
|
||||
line: self.line as u32,
|
||||
col: (self.character as u32).into(),
|
||||
@ -64,7 +63,6 @@ impl ConvWith for TextUnit {
|
||||
|
||||
fn conv_with(self, line_index: &LineIndex) -> Position {
|
||||
let line_col = line_index.line_col(self);
|
||||
// TODO: UTF-16
|
||||
Position::new(u64::from(line_col.line), u64::from(u32::from(line_col.col)))
|
||||
}
|
||||
}
|
||||
|
Loading…
Reference in New Issue
Block a user