refactor: define lexical rules in a separate PEG grammar

2026-10-19 13:56:05 +08:00
parent f77b8370ea
commit be4f1add58
18 changed files with 206 additions and 167 deletions
@@ -4,7 +4,7 @@ Rust 编写的 Endor 虚拟机实现。核心对象与对象存储位于独立 o

 Endor 采用平台解释执行模型；AST 到字节码的生成属于解释器内部准备步骤，使用者无需先构建独立程序。资源修订与依赖锁用于选择用户代码，解释器由平台统一升级；相关设计方向见 [解释执行与平台资源版本](docs/architecture/execution-and-versions.md)，资源版本管理尚未实现。

-独立 frontend 已提供 Endor 阅读器、手写 lexer、peg parser、基础函数／表达式 AST 与 cli parse 文件／stdin 入口。VM 从空堆启动；AST 到字节码生成、Python type／元类体系、数值算术和完整异常传播均未实现。数据库连接仅为需要数据库的特殊类保留；普通宿主不连接数据库；基础信息改用 host 包的 UTF-8 JSON 文件，不保存 VM 堆。当前边界见 [系统架构](docs/architecture/README.md)。
+独立 frontend 已提供 Endor 阅读器、字符 PEG lexer、peg parser、基础函数／表达式 AST 与 cli parse 文件／stdin 入口。VM 从空堆启动；AST 到字节码生成、Python type／元类体系、数值算术和完整异常传播均未实现。数据库连接仅为需要数据库的特殊类保留；普通宿主不连接数据库；基础信息改用 host 包的 UTF-8 JSON 文件，不保存 VM 堆。当前边界见 [系统架构](docs/architecture/README.md)。

 ## 从哪里读

@@ -6,7 +6,7 @@
 | --- | --- | --- |
 | [core](core/README.md) | core，库 endor_core | VM、执行帧与字节码求值循环，仅依赖本地 objects |
 | [objects](objects/README.md) | objects | 零依赖的核心对象、对象存储、代码对象与指令数据／静态验证 |
-| [frontend](frontend/README.md) | frontend | Endor 阅读器、手写 lexer、token PEG parser、基础函数／表达式 AST，不执行源码 |
+| [frontend](frontend/README.md) | frontend | Endor 阅读器、字符 PEG lexer、token PEG parser、基础函数／表达式 AST，不执行源码 |
 | [host](host/README.md) | host | UTF-8 JSON 文件基础信息，与数据库分离 |
 | [storage](storage/README.md) | storage | 为数据库特殊类保留的显式连接适配，不提供基础信息存储 |
 | [cli](cli/README.md) | cli，二进制 cli | 引导演示、源码解析与文件信息命令，不使用数据库 |
@@ -1,11 +1,11 @@
 # frontend

-独立源码前端：EndorReader → SourceUnit → 手写 Rust lexer → token → rust-peg parser → 拥有文本的 AST。当前解析基础函数与表达式，不生成字节码、不进行类型／名称解析、不执行源码。语法是可继续调整的首版实现，当前契约见 [源码前端](../../docs/runtime/frontend.md)。
+独立源码前端：EndorReader → SourceUnit → 字符 PEG lexer → token → token PEG parser → 拥有文本的 AST。当前解析基础函数与表达式，不生成字节码、不进行类型／名称解析、不执行源码。语法是可继续调整的首版实现，当前契约见 [源码前端](../../docs/runtime/frontend.md)。

 | 内容 | 职责 |
 | --- | --- |
 | Cargo.toml | frontend 包与 peg 0.8.6 依赖，不依赖 core、Host 或 Storage |
-| [src](src/README.md) | 阅读器、SourceUnit、token、源码范围、诊断、AST、词法；PEG 规则独立在 [grammar.peg](src/grammar.peg) |
+| [src](src/README.md) | 阅读器、SourceUnit、token、源码范围、诊断、AST、词法规则独立在 [lexer.peg](src/lexer.peg)，语法规则在 [grammar.peg](src/grammar.peg) |
 | [tests](tests/README.md) | Unicode、优先级、函数、完整输入与错误位置验证 |
 | [examples](examples/README.md) | 可交给 cli parse 的源码样例 |

@@ -7,9 +7,10 @@
 | [reader.rs](reader.rs) | 字符串、流、文件读取、严格 UTF-8 解码与宿主 EndorSourceProvider 适配 |
 | [token.rs](token.rs) | 可复制的 token 种类和原始源码范围，文本由源码切片取得 |
 | [diagnostic.rs](diagnostic.rs) | UTF-8 字节范围、词法／语法诊断与一基行列转换 |
-| [lexer.rs](lexer.rs) | 名称、数字、字符串、标点、空白与注释扫描；字符串校验及解码 |
+| [lexer.rs](lexer.rs) | lex／lex_source 接口、源码游标、逐 Token 调用、位置／诊断换算与字符串解码 |
+| [lexer.peg](lexer.peg) | 字符输入的 PEG 词法规则：名称、数字、字符串／转义、标点、空白／注释和错误识别 |
 | [ast.rs](ast.rs) | 拥有文本的函数、参数、绑定、return、表达式与运算符结构 |
 | [parser.rs](parser.rs) | 解析 API、错误映射、AST 辅助函数，以及独立语法文件的编译期引入 |
 | [grammar.peg](grammar.peg) | token 输入的 PEG 规则、运算符优先级与 AST 构造动作；保留 peg::parser! 外层声明 |

-改输入适配时同步 [阅读器契约](../../../docs/runtime/reader.md) 与读取错误检查；改词法时同步 token 和错误检查；改语法从 grammar.peg 进入，并同步 AST、[测试](../tests/README.md)、样例与 [前端契约](../../../docs/runtime/frontend.md)。不在语法动作中做 VM 分配、I/O 或修改外部状态，避免回溯造成副作用。返回 [frontend](../README.md)。
+改输入适配时同步 [阅读器契约](../../../docs/runtime/reader.md) 与读取错误检查；改词法从 lexer.peg 进入，并同步 token、诊断和错误检查；改语法从 grammar.peg 进入，并同步 AST、[测试](../tests/README.md)、样例与 [前端契约](../../../docs/runtime/frontend.md)。词法与语法两份 PEG 动作均不做 VM 分配、I/O 或修改外部状态，避免回溯造成副作用。返回 [frontend](../README.md)。
@@ -0,0 +1,90 @@
+peg::parser! {
+    grammar lexical() for str {
+        rule trivia()
+            = ([' ' | '\t' | '\r' | '\n'] / "//" [^'\r' | '\n']*)*
+
+        rule name_start()
+            = [character if character == '_' || character.is_alphabetic()]
+
+        rule name_continue()
+            = [character if character == '_' || character.is_alphanumeric()]
+
+        rule name() -> Result<TokenKind, Diagnostic>
+            = name_start() name_continue()* { Ok(TokenKind::Name) }
+
+        rule number() -> Result<TokenKind, Diagnostic>
+            = start:position!() ['0'..='9']+ ("." ['0'..='9']+)?
+              suffix:$(name_continue()*) end:position!() {
+                if suffix.is_empty() {
+                    Ok(TokenKind::Number)
+                } else {
+                    Err(Diagnostic::lexical(
+                        Span::new(start, end),
+                        "unsupported numeric suffix or missing token separator",
+                    ))
+                }
+            }
+
+        rule escape()
+            = "\\" ['n' | 't' | '"' | '\\']
+
+        rule string_character()
+            = [^'"' | '\\' | '\r' | '\n' | '\0']
+
+        rule string_end(start: usize) -> Result<(), Diagnostic>
+            = "\"" { Ok(()) }
+            / position:position!() "\\" [_] end:position!() {
+                Err(Diagnostic::lexical(Span::new(position, end), "unsupported string escape"))
+            }
+            / "\\" end:position!() ![_] {
+                Err(Diagnostic::lexical(Span::new(start, end), "unterminated string"))
+            }
+            / position:position!() ['\r' | '\n' | '\0'] end:position!() {
+                Err(Diagnostic::lexical(Span::new(position, end), "unescaped newline or NUL in string"))
+            }
+            / end:position!() ![_] {
+                Err(Diagnostic::lexical(Span::new(start, end), "unterminated string"))
+            }
+
+        rule string() -> Result<TokenKind, Diagnostic>
+            = start:position!() "\"" (escape() / string_character())* end:string_end(start) {
+                end.map(|()| TokenKind::String)
+            }
+
+        rule punctuation() -> TokenKind
+            = "(" { TokenKind::LeftParen }
+            / ")" { TokenKind::RightParen }
+            / "{" { TokenKind::LeftBrace }
+            / "}" { TokenKind::RightBrace }
+            / ":" { TokenKind::Colon }
+            / "," { TokenKind::Comma }
+            / "." { TokenKind::Dot }
+            / "=" { TokenKind::Equal }
+            / "+" { TokenKind::Plus }
+            / "-" { TokenKind::Minus }
+            / "*" { TokenKind::Star }
+            / "/" { TokenKind::Slash }
+
+        rule kind() -> Result<TokenKind, Diagnostic>
+            = name()
+            / number()
+            / string()
+            / kind:punctuation() { Ok(kind) }
+            / start:position!() [_] end:position!() {
+                Err(Diagnostic::lexical(Span::new(start, end), "unexpected source character"))
+            }
+
+        rule token() -> Result<Token, Diagnostic>
+            = start:position!() kind:kind() end:position!() {
+                kind.map(|kind| Token { kind, span: Span::new(start, end) })
+            }
+
+        // Scan only one prefix. Errors are returned as values, so a matched
+        // malformed number/string cannot backtrack into another token kind.
+        #[no_eof]
+        pub rule next() -> (usize, Result<Option<Token>, Diagnostic>)
+            = trivia() result:(token:token() { token.map(Some) } / ![_] { Ok(None) }) end:position!() {
+                (end, result)
+            }
+    }
+}
@@ -10,59 +10,8 @@ pub fn lex_source(source: &crate::SourceUnit) -> Result<Vec<Token>, crate::Sourc
 pub fn lex(source: &str) -> Result<Vec<Token>, Diagnostic> {
    let mut lexer = Lexer { source, offset: 0 };
    let mut tokens = Vec::new();
-    while let Some(character) = lexer.peek() {
-        if matches!(character, ' ' | '\t' | '\r' | '\n') {
-            let _ = lexer.advance();
-            continue;
-        }
-        if lexer.remaining().starts_with("//") {
-            while lexer
-                .peek()
-                .is_some_and(|character| !matches!(character, '\r' | '\n'))
-            {
-                let _ = lexer.advance();
-            }
-            continue;
-        }
-        let start = lexer.offset;
-        let kind = match character {
-            character if name_start(character) => {
-                let _ = lexer.advance();
-                while lexer.peek().is_some_and(name_continue) {
-                    let _ = lexer.advance();
-                }
-                TokenKind::Name
-            }
-            '0'..='9' => lexer.number()?,
-            '"' => lexer.string()?,
-            _ => {
-                let _ = lexer.advance();
-                match character {
-                    '(' => TokenKind::LeftParen,
-                    ')' => TokenKind::RightParen,
-                    '{' => TokenKind::LeftBrace,
-                    '}' => TokenKind::RightBrace,
-                    ':' => TokenKind::Colon,
-                    ',' => TokenKind::Comma,
-                    '.' => TokenKind::Dot,
-                    '=' => TokenKind::Equal,
-                    '+' => TokenKind::Plus,
-                    '-' => TokenKind::Minus,
-                    '*' => TokenKind::Star,
-                    '/' => TokenKind::Slash,
-                    _ => {
-                        return Err(Diagnostic::lexical(
-                            Span::new(start, lexer.offset),
-                            "unexpected source character",
-                        ));
-                    }
-                }
-            }
-        };
-        tokens.push(Token {
-            kind,
-            span: Span::new(start, lexer.offset),
-        });
+    while let Some(token) = lexer.next()? {
+        tokens.push(token);
    }
    Ok(tokens)
 }
@@ -72,100 +21,33 @@ struct Lexer<'source> {
    offset: usize,
 }

-impl<'source> Lexer<'source> {
-    fn remaining(&self) -> &'source str {
-        &self.source[self.offset..]
+impl Lexer<'_> {
+    fn next(&mut self) -> Result<Option<Token>, Diagnostic> {
+        let base = self.offset;
+        let (consumed, token) = lexical::next(&self.source[base..]).map_err(|error| {
+            let start = base + error.location.offset;
+            let end = start
+                + self.source[start..]
+                    .chars()
+                    .next()
+                    .map_or(0, char::len_utf8);
+            Diagnostic::lexical(Span::new(start, end), "unexpected source character")
+        })?;
+        self.offset += consumed;
+        token
+            .map(|token| {
+                token.map(|mut token| {
+                    token.span.start += base;
+                    token.span.end += base;
+                    token
+                })
+            })
+            .map_err(|mut error| {
+                error.span.start += base;
+                error.span.end += base;
+                error
+            })
    }
-
-    fn peek(&self) -> Option<char> {
-        self.remaining().chars().next()
-    }
-
-    fn advance(&mut self) -> Option<char> {
-        let character = self.peek()?;
-        self.offset += character.len_utf8();
-        Some(character)
-    }
-
-    fn digits(&mut self) {
-        while self
-            .peek()
-            .is_some_and(|character| character.is_ascii_digit())
-        {
-            let _ = self.advance();
-        }
-    }
-
-    fn number(&mut self) -> Result<TokenKind, Diagnostic> {
-        let start = self.offset;
-        self.digits();
-        let mut following = self.remaining().chars();
-        if following.next() == Some('.')
-            && following
-                .next()
-                .is_some_and(|character| character.is_ascii_digit())
-        {
-            let _ = self.advance();
-            self.digits();
-        }
-        if self.peek().is_some_and(name_continue) {
-            while self.peek().is_some_and(name_continue) {
-                let _ = self.advance();
-            }
-            return Err(Diagnostic::lexical(
-                Span::new(start, self.offset),
-                "unsupported numeric suffix or missing token separator",
-            ));
-        }
-        Ok(TokenKind::Number)
-    }
-
-    fn string(&mut self) -> Result<TokenKind, Diagnostic> {
-        let start = self.offset;
-        let _ = self.advance();
-        loop {
-            let position = self.offset;
-            match self.advance() {
-                Some('"') => return Ok(TokenKind::String),
-                Some('\\') => match self.advance() {
-                    Some('n' | 't' | '"' | '\\') => {}
-                    Some(_) => {
-                        return Err(Diagnostic::lexical(
-                            Span::new(position, self.offset),
-                            "unsupported string escape",
-                        ));
-                    }
-                    None => {
-                        return Err(Diagnostic::lexical(
-                            Span::new(start, self.offset),
-                            "unterminated string",
-                        ));
-                    }
-                },
-                Some('\r' | '\n' | '\0') => {
-                    return Err(Diagnostic::lexical(
-                        Span::new(position, self.offset),
-                        "unescaped newline or NUL in string",
-                    ));
-                }
-                None => {
-                    return Err(Diagnostic::lexical(
-                        Span::new(start, self.offset),
-                        "unterminated string",
-                    ));
-                }
-                _ => {}
-            }
-        }
-    }
-}
-
-fn name_start(character: char) -> bool {
-    character == '_' || character.is_alphabetic()
-}
-
-fn name_continue(character: char) -> bool {
-    character == '_' || character.is_alphanumeric()
 }

 pub(crate) fn decode_string(raw: &str) -> String {
@@ -186,3 +68,5 @@ pub(crate) fn decode_string(raw: &str) -> String {
    }
    result
 }
+
+include!("lexer.peg");
@@ -1,4 +1,4 @@
-//! UTF-8 source reader, handwritten lexer and token-based rust-peg parser.
+//! UTF-8 source reader and rust-peg rules for lexing and token-based parsing.
 //! Produces syntax only; it does not resolve types, generate code or execute VM
 //! operations. AST data owns its text and does not borrow the source buffer.

@@ -2,4 +2,6 @@

 [syntax.rs](syntax.rs) 覆盖 UTF-8 token 范围、中文／日文名称、数字原文、负号、字符串转义与错误、算术优先级和结合性、成员／调用链、函数与绑定、上下文名称、完整输入、非法／未支持语法以及 CRLF 和 EOF 诊断位置。

+[lexical.rs](lexical.rs) 专门覆盖字符 PEG 迁移后的原文位置换算、首个错误及详细诊断、Unicode 非法转义、未闭合字符串、注释／除法／成员／数字／字符串边界和空输入／尾随注释。
+
 [reader.rs](reader.rs) 覆盖字符串／分块流／文件、严格 UTF-8、读取失败、URI provider、修订标签、旧缓冲区保留及带来源的诊断。样例也通过 syntax.rs 解析。只验证语法和 AST，不宣称类型检查或运行求值通过。随工作区检查在 ces-control 执行，本地不运行；入口见 [验证](../../../docs/operations/validation.md)。返回 [frontend](../README.md)。
@@ -0,0 +1,53 @@
+use frontend::{DiagnosticKind, Span, TokenKind, lex};
+
+#[test]
+fn lexical_errors_keep_original_byte_ranges_after_multiple_tokens() {
+    let prefix = "let 商品 = ";
+    for (tail, offending, message) in [
+        (
+            "12.50名前 ;",
+            "12.50名前",
+            "unsupported numeric suffix or missing token separator",
+        ),
+        ("\"日\\q\" ;", "\\q", "unsupported string escape"),
+        ("\"日\\🌸\" ;", "\\🌸", "unsupported string escape"),
+        ("\"日\\\n\" ;", "\\\n", "unsupported string escape"),
+        ("\"日\nrest\" ;", "\n", "unescaped newline or NUL in string"),
+        ("\"日\rrest\" ;", "\r", "unescaped newline or NUL in string"),
+        ("\"日\0rest\" ;", "\0", "unescaped newline or NUL in string"),
+        ("\"未完", "\"未完", "unterminated string"),
+        ("\"未完\\", "\"未完\\", "unterminated string"),
+        ("🌸 ;", "🌸", "unexpected source character"),
+    ] {
+        let source = format!("{prefix}{tail}");
+        let error = lex(&source).unwrap_err();
+        let start = source.find(offending).unwrap();
+        assert_eq!(error.kind, DiagnosticKind::Lexical, "{source:?}");
+        assert_eq!(error.span, Span::new(start, start + offending.len()));
+        assert_eq!(error.message, message, "{source:?}");
+        assert!(error.expected.is_empty());
+    }
+}
+
+#[test]
+fn token_boundaries_distinguish_members_division_comments_and_string_contents() {
+    let source = " \t// 前置\r\n商品.価格 / 12.50// 行末\0\n\"//実文\" \r\n// 終端";
+    let tokens = lex(source).unwrap();
+    let spellings: Vec<_> = tokens
+        .iter()
+        .map(|token| (token.kind, &source[token.span.start..token.span.end]))
+        .collect();
+    assert_eq!(
+        spellings,
+        vec![
+            (TokenKind::Name, "商品"),
+            (TokenKind::Dot, "."),
+            (TokenKind::Name, "価格"),
+            (TokenKind::Slash, "/"),
+            (TokenKind::Number, "12.50"),
+            (TokenKind::String, "\"//実文\""),
+        ]
+    );
+    assert!(lex("").unwrap().is_empty());
+    assert!(lex(" \t\r\n// 注釈\0").unwrap().is_empty());
+}
@@ -11,7 +11,7 @@
 | EndorObject、对象头、句柄、默认操作 | [对象模型](runtime/objects.md) | [objects/src](../crates/objects/src/README.md) |
 | Number、String、Dict、Cell、Function、异常数据 | [基本对象](runtime/builtins.md) | [objects/src](../crates/objects/src/README.md) |
 | 字符串、文件、流与 endor URI 如何进入 lexer | [Endor 阅读器](runtime/reader.md) | [reader.rs](../crates/frontend/src/reader.rs)、[source.rs](../crates/frontend/src/source.rs) |
-| 源码如何分词、PEG 规则、AST 和诊断 | [源码前端](runtime/frontend.md) | [grammar.peg](../crates/frontend/src/grammar.peg)、[frontend](../crates/frontend/README.md)、[CLI](../crates/cli/README.md) |
+| 源码如何分词、PEG 规则、AST 和诊断 | [源码前端](runtime/frontend.md) | [lexer.peg](../crates/frontend/src/lexer.peg)、[grammar.peg](../crates/frontend/src/grammar.peg)、[frontend](../crates/frontend/README.md)、[CLI](../crates/cli/README.md) |
 | 操作码、代码验证、局部槽、函数定义与调用协议 | [字节码 VM](runtime/bytecode.md) | instruction.rs／code.rs 在 [objects/src](../crates/objects/src/README.md)，frame.rs／eval.rs 在 [core/src](../crates/core/src/README.md) |
 | 基础信息保存在哪里、旧库如何迁移 | [宿主文件信息](operations/host-information.md) | [host](../crates/host/README.md) |
 | UTF-8 在日本地区是否适用，其他编码怎样进入 VM | [文本编码](runtime/text-encoding.md) | [core](../crates/core/README.md)、[host](../crates/host/README.md) |
@@ -26,7 +26,7 @@ CLI、Server 依赖 Host 保存文件信息，不依赖 Storage；Core 只依赖
 | --- | --- | --- |
 | Core | Vm、执行帧、调用协议与取指求值循环；对象方法委托到 Objects | [字节码 VM](../runtime/bytecode.md) |
 | Objects | 核心对象、私有堆、ObjectStore、Number、代码对象、指令数据和静态验证；无求值器 | [对象模型](../runtime/objects.md) |
-| Frontend | Endor 阅读器、手写 UTF-8 lexer、token PEG parser、基础函数／表达式 AST，不执行源码 | [源码前端](../runtime/frontend.md) |
+| Frontend | Endor 阅读器、UTF-8 字符 PEG lexer、token PEG parser、基础函数／表达式 AST，不执行源码 | [源码前端](../runtime/frontend.md) |
 | Host | 基础信息的逐键 UTF-8 JSON 文件与旧库导入 | [宿主信息](../operations/host-information.md) |
 | Storage | 按显式配置建立 SQLite／PostgreSQL 连接池，不定义应用表 | [数据库特殊类](../runtime/database-objects.md) |
 | CLI | 对象引导演示、源码解析与文件信息命令 | [CLI](../../crates/cli/README.md) |
@@ -16,7 +16,7 @@
 | 对象头、句柄、引用协议与 GC 算法 | [objects.md](../runtime/objects.md) | objects/src 文件表 |
 | Number、String、Dict、Cell、函数环境和异常数据 | [builtins.md](../runtime/builtins.md) | objects/src、objects/tests 与 core/tests 文件表 |
 | lexer 前的输入适配、SourceUnit 与来源诊断 | [reader.md](../runtime/reader.md) | frontend 的 reader／source、CLI 与读取检查 |
-| token、PEG 规则、AST 与源码诊断 | [frontend.md](../runtime/frontend.md) | frontend 源码／测试／样例和 CLI |
+| Token、lexer.peg 词法／grammar.peg 语法规则、AST 与源码诊断 | [frontend.md](../runtime/frontend.md) | frontend 源码／测试／样例和 CLI |
 | 指令编码、栈效果、调用协议与执行限制 | [bytecode.md](../runtime/bytecode.md) | instruction／code／frame／eval 文件职责 |
 | 宿主基础信息、JSON 文件和旧库导入 | [host-information.md](../operations/host-information.md) | host、cli、server 与脚本 README |
 | 地区与文本编码边界 | [text-encoding.md](../runtime/text-encoding.md) | 配置主题与实际 I/O 入口 |
@@ -16,7 +16,7 @@ Objects 零依赖，统一拥有核心对象、Number、代码对象／指令数
 - Function、NativeFunction、Dict、Cell、异常数据、UTF-8 String 和无损表示优先的 Number。
 - 小型 wordcode、共享代码对象、操作数／控制流／栈校验、显式执行帧及 execute／call；MakeFunction 可在执行中创建带默认参数与共享闭包 Cell 的函数。对象返回值持有根，用后 release_value；借用读取不自动 retain。
 - EndorReader 在 lexer 前提供字符串／流／文件／宿主 URI provider 输入，产出不可变 SourceUnit，保存来源与不透明修订标签；带来源的词法／语法错误保留行列，CLI parse 支持文件和 stdin。没有平台 URI 后端或版本锁实现，见 [阅读器](../runtime/reader.md)。
- Frontend 使用手写 lexer 与 peg 0.8.6，提供完整输入解析、基础函数／表达式 AST、Unicode 字节范围与行列诊断；CLI parse 可读 UTF-8 文件／stdin 输出 AST，不执行源码。当前语法以未完成设计稿为起点，可以继续调整，见 [源码前端](../runtime/frontend.md)。
+- Frontend 使用 peg 0.8.6，词法规则在 lexer.peg（字符 → Token），语法规则在 grammar.peg（Token → AST）；lexer.rs 保留逐 Token 游标与诊断位置换算，提供完整输入解析、基础函数／表达式 AST、Unicode 字节范围与行列诊断；CLI parse 可读 UTF-8 文件／stdin 输出 AST，不执行源码。当前语法以未完成设计稿为起点，可以继续调整，见 [源码前端](../runtime/frontend.md)。
 - Host 文件信息独立于数据库：host.version、deployment.release 与 metadata put/get 使用 UTF-8 JSON。旧 PostgreSQL 基础信息只读导入缺失文件，不删除原库，见 [文件信息](../operations/host-information.md)。
 - Storage 只提供显式 DatabaseConfig／DatabaseConnection；没有默认数据库、自动应用建表或基础信息 KV。特殊类的名称／接口尚未定义，没有将连接接入 VM。
 - CLI 引导与文件信息，Server HTTP 存活／只读 VM 信息；生产 PostgreSQL 作为未来特殊类的预置资源保留。
@@ -16,7 +16,7 @@ cargo test -p storage --test postgres --locked -- --ignored
 python3 scripts/smoke.py
 ```

-check.sh 执行 cargo fmt --all --check、独立语法文件的 rustfmt --edition 2024 --check crates/frontend/src/grammar.peg、cargo test --workspace --locked 和 cargo clippy --workspace --all-targets --locked -- -D warnings。workspace 测试也包含 rustdoc 示例；显式忽略的 PostgreSQL 测试需要单独执行。
+check.sh 执行 cargo fmt --all --check、独立词法／语法文件的 rustfmt --edition 2024 --check crates/frontend/src/lexer.peg crates/frontend/src/grammar.peg、cargo test --workspace --locked 和 cargo clippy --workspace --all-targets --locked -- -D warnings。workspace 测试也包含 rustdoc 示例；显式忽略的 PostgreSQL 测试需要单独执行。

 ci-ces-control.sh 负责准备全新专用临时 PostgreSQL 和测试 URL；成功路径使用真实数据库，不用模拟 socket 代替。测试库与生产数据不共享挂载。没有 ASTER_TEST_POSTGRES_URL 时，显式执行 PostgreSQL 测试会失败，不标记为通过。

@@ -30,7 +30,7 @@ ci-ces-control.sh 负责准备全新专用临时 PostgreSQL 和测试 URL；成
 | 基本对象 | Number 表示、字符串、Dict／Cell 引用与更新、函数环境、异常数据 | 同目录 builtins.rs |
 | 字节码 | 编解码、非法指令／控制流、跳转、调用、闭包、字节码创建函数／默认值／环境捕获、函数创建及后续失败清理、结果存活与限额 | 同目录 execution.rs |
 | Endor 阅读器 | 字符串、分块 UTF-8 流、文件、读取失败、URI provider、修订标签与来源诊断 | [frontend/tests](../../crates/frontend/tests/README.md) 的 reader.rs |
-| 源码前端 | Unicode 范围、数字原文、字符串与错误、优先级／结合性、函数／绑定、完整输入与错误位置、源码样例 | [frontend/tests](../../crates/frontend/tests/README.md) |
+| 源码前端 | 字符 PEG 词法边界、逐 Token 原文位置与首个错误诊断、Unicode 范围、数字原文、字符串与错误、优先级／结合性、函数／绑定、完整输入与错误位置、源码样例 | [frontend/tests](../../crates/frontend/tests/README.md) |
 | CLI 解析 | AST 输出、未执行源码、文件／stdin 来源和行列错误、EOF 读取与非法 UTF-8 退出 | [cli/tests](../../crates/cli/tests/README.md) |
 | 公开示例 | 对象操作、手写指令执行与释放 | objects 与 core 的 src/lib.rs rustdoc，见 [objects/src](../../crates/objects/src/README.md)、[core/src](../../crates/core/src/README.md) |
 | 宿主文件信息 | UTF-8 值／路径、持久读取、同键替换、并发、坏记录、幂等迁移与保留新值 | [host/tests](../../crates/host/tests/README.md) |
@@ -7,7 +7,7 @@
 | [对象模型](objects.md) | EndorObject／ObjectHeader、代际句柄、操作协议、托管引用与循环回收 |
 | [基本对象与 Number](builtins.md) | 函数、原生函数、字典、Cell、异常数据、字符串与无损数字 |
 | [Endor 阅读器](reader.md) | SourceUnit、来源／修订标签、字符串／流／文件和宿主 URI provider |
-| [源码前端](frontend.md) | 手写 lexer、token PEG parser、AST、基础函数／表达式语法与诊断 |
+| [源码前端](frontend.md) | 字符 PEG lexer、token PEG parser、AST、基础函数／表达式语法与诊断 |
 | [字节码 VM](bytecode.md) | 指令编码、代码校验、局部槽、执行帧、函数创建、调用／返回与边界 |
 | [文本编码](text-encoding.md) | UTF-8、日文、外部 Shift_JIS／CP932 与宿主解码边界 |
 | [数据库特殊类](database-objects.md) | 显式连接、调用方数据模型、未来类接入与资源生命周期 |
@@ -1,14 +1,23 @@
 # 源码词法与 PEG 语法前端

-frontend 包提供 [Endor 阅读器](reader.md)、手写 Rust lexer 和 rust-peg 生成的 token parser。宿主通过 SourceUnit 调用带来源的词法／语法入口，原有 lex、parse、parse_expression 保留；CLI 提供 parse 文件／stdin 命令；结果是 AST，尚未实现 AST 到字节码生成、类型检查、名称解析或源码执行。Core 仅依赖本地 Objects，不依赖 frontend 或 peg；Objects 保持零依赖。
+frontend 包提供 [Endor 阅读器](reader.md)、rust-peg 生成的字符 lexer 与 token parser。宿主通过 SourceUnit 调用带来源的词法／语法入口，原有 lex、parse、parse_expression 保留；CLI 提供 parse 文件／stdin 命令；结果是 AST，尚未实现 AST 到字节码生成、类型检查、名称解析或源码执行。Core 仅依赖本地 Objects，不依赖 frontend 或 peg；Objects 保持零依赖。

 首版以 Endorphin-Language 设计稿的基础词法、表达式与函数章节为起点，语法可以继续修改；设计稿中的未完成部分不作为阻塞前端实现的前置条件，也不被整体视作已经实现的语言能力。这里维护当前解析契约；源码位置见 [frontend](../../crates/frontend/README.md)。

-## 语法文件
+## 词法与语法文件

-实际 PEG 规则集中在 [grammar.peg](../../crates/frontend/src/grammar.peg)，包含 token 匹配、函数／绑定／return、表达式优先级与 AST 构造动作。[parser.rs](../../crates/frontend/src/parser.rs) 保留解析入口、诊断转换和 AST 辅助函数，通过 include!("grammar.peg") 在编译期引入规则。
+两份规则复用现有 peg 0.8.6 依赖，分别处理字符和 Token：

-grammar.peg 保留 rust-peg 0.8 的 peg::parser! 外层声明，因此是直接参与编译的语法源文件；不另存一份说明性文法，也不新增生成脚本或 build-dependencies。修改规则后随 frontend 重新编译。远端检查脚本单独用 rustfmt 检查该扩展名文件的格式。
+| 文件 | 输入与职责 | Rust 接口 |
+| --- | --- | --- |
+| [lexer.peg](../../crates/frontend/src/lexer.peg) | str 字符输入，识别名称、数字、字符串／转义、标点、空白／注释及词法错误，生成 Token | [lexer.rs](../../crates/frontend/src/lexer.rs) 保留 lex／lex_source、游标、位置换算和字符串解码 |
+| [grammar.peg](../../crates/frontend/src/grammar.peg) | [Token] 输入，匹配函数／绑定／return、表达式优先级并构造 AST | [parser.rs](../../crates/frontend/src/parser.rs) 保留解析入口、诊断转换和 AST 辅助函数 |
+
+lexer.rs 与 parser.rs 分别通过 include! 在编译期引入对应规则；两份 .peg 文件保留 peg::parser! 外层声明，直接参与编译，不新增 build.rs、生成脚本或依赖。远端检查脚本单独对两份规则执行 rustfmt。
+
+字符 PEG 的内部 next 规则使用 #[no_eof] 每次识别一个前缀，跳过空白／注释并返回一个 Token 或输入结束。Lexer 保存 source／offset，循环调用该规则，直到全输入结束或首个错误；公开 lex 仍扫描整份输入，不是增量／可恢复输入接口。规则中的 position! 相对本次输入切片，lexer.rs 将 Token 和诊断位置统一换算为原始源码 UTF-8 字节范围。
+
+已识别的非法数字后缀、字符串转义、裸换行／NUL、未闭合字符串和未知字符，以规则返回的 Diagnostic 值传递，不作为允许 PEG 改试其他 Token 种类的匹配失败。识别到词法错误即停止；词法规则不修改外部游标或 Token 容器，避免回溯副作用。前缀规则及动作约定见 [peg 官方文档](https://docs.rs/peg/0.8.6/peg/#end-of-file-handling)。

 ## 入口和所有权

@@ -23,7 +32,7 @@ grammar.peg 保留 rust-peg 0.8 的 peg::parser! 外层声明，因此是直接

 AST 的名称、数字原文和解码后的字符串均由 AST 自己持有，可以在释放输入后继续使用。Token／AST 的 Span 均为原始 UTF-8 源码的半开字节区间 start..end；节点跨度包含首尾 token 之间的空白及注释，不包含外侧 trivia。分组表达式的范围包括括号，Program 范围从第一个函数到最后一个函数。

-语法动作只构造 AST，不做 I/O、VM 分配或其他外部写入。PEG 回溯不会执行语言函数或产生宿主业务副作用。
+词法动作只返回 Token／诊断，语法动作只构造 AST；两者均不做 I/O、VM 分配或其他外部写入。PEG 回溯不会执行语言函数或产生宿主业务副作用。

 ## 词法规则

@@ -4,7 +4,7 @@

 | 文件 | 入口与副作用 |
 | --- | --- |
-| [check.sh](check.sh) | Cargo fmt 与独立 grammar.peg 的 rustfmt 检查、workspace 测试、严格 Clippy；会使用 Cargo 依赖和构建产物 |
+| [check.sh](check.sh) | Cargo fmt 与独立 lexer.peg／grammar.peg 的 rustfmt 检查、workspace 测试、严格 Clippy；会使用 Cargo 依赖和构建产物 |
 | [smoke.py](smoke.py) | 标准库 Python 脚本；构建后用 Cargo metadata 定位 cli／server 的 debug 二进制，支持 CARGO_TARGET_DIR；文件 metadata 跨进程与日文值；失效数据库变量下独立启动、不创建 SQLite 文件、HTTP 与 SIGTERM，不改生产配置 |
 | [ci-ces-control.sh](ci-ces-control.sh) | 需要 ASTER_RELEASE_SHA；构建 ci 镜像、创建临时网络／PostgreSQL／检查容器，运行全部检查；退出清理临时容器和网络，保留专属远端 Cargo 缓存卷 |
 | [deploy-ces-control.sh](deploy-ces-control.sh) | ces-control root 执行；校验已构建镜像、锁定发布、保留密码和数据、验证 HTTP 与无数据库 CLI 引导后切换 current，失败尝试恢复旧版；保留镜像；应用服务 aster 内调用 cli bootstrap，基础信息改写文件；一次性只读导入旧基础信息，不覆盖新文件或删除原库 |
@@ -1,6 +1,6 @@
 #!/bin/sh
 set -eu
 cargo fmt --all --check
-rustfmt --edition 2024 --check crates/frontend/src/grammar.peg
+rustfmt --edition 2024 --check crates/frontend/src/lexer.peg crates/frontend/src/grammar.peg
 cargo test --workspace --locked
 cargo clippy --workspace --all-targets --locked -- -D warnings