İçeriğe geç
zeev1.0.0-rc.1

RFC-0002 — Lexical ve Unicode Kuralları

Depodaki rfcs/0002-lexical-ve-unicode.md belgesinden Zee ile üretildi.

  • Durum: geçici kabul (31 Ağu 2026 — yüzey gerçeklendi ve korpusla sabitlendi; onay kapısı: usability oturumları. Kalan açık sorular §6'da.)
  • Tarih: 31 Ağustos 2026
  • İlgili günlük kayıtları: K-001 (yorum), K-011 (ek yazımı), K-014 (kelime çakışmaları), K-089/RFC-0018 (sürümlü morfoloji profili)
  • İlgili golden programlar: tümü; anti-örnekler A07, A08
  • Gerçekleme: compiler/src/sozcukleyici.rs; ekli tanımlayıcı anlamı compiler/src/morfoloji.rs (zee-tr-1, RFC-0018)

Özet

Kaynak metnin karakter kuralları ve token dizisi. Girinti kuralları RFC-0003'te.

1. Kaynak biçimi

  • Kodlama UTF-8; geçersiz UTF-8 kaynak okuma aşamasında reddedilir.
  • Satır sonu \n; \r\n kabul edilir, \r satır içeriğine dahil edilmez.
  • Dosya uzantısı .dil (geçici; isim kararıyla birlikte kesinleşir).

2. Unicode ve tanımlayıcı alfabesi

  • Birleşik biçim zorunluluğu (v0): birleştirici imler (U+0300–U+036F) reddedilir → S029. Kaynak, önceden birleştirilmiş karakterlerle yazılır (g + ˘ değil, ğ). Tam NFC normalizasyonu ileride ayrı ADR ile değerlendirilecek; v0 kuralı daha katıdır ve determinizmi şimdiden sağlar.
  • Tanımlayıcı karakterleri: ASCII harf/rakam, _, Türkçe harfler (ç ğ ı İ ö ş ü ve büyükleri) ve Türkçe yazımdaki şapkalı ünlüler (â î û ve büyükleri — "kâr" geçerli bir tanımlayıcıdır).
  • Homoglyph koruması: başka alfabelerden harfler (örn. Kiril "а", U+0430) tanımlayıcıda S028 hatası verir; tanı kod noktasını gösterir. Gerekçe: anti-örnek A08 + master plan bölüm 18 (supply-chain).
  • Tanımlayıcı rakamla başlayamaz (rakamla başlayan dizi sayı okunur).
  • Büyük/küçük harf duyarlıdır. Uzlaşım: tür adları büyük harfle başlar (Öğrenci, TamSayı), değer adları küçük. Yalnız büyük/küçük farkıyla ayrışan tanımlayıcılar için uyarı açık soru (A07; İ/i–I/ı tuzağı).
  • Tanımlayıcıya bitişen Türkçe eklerin token sınırı burada değişmez; kök ve ek anlamı zee-tr-1 adlı sürümlü profille RFC-0018/spec-13'te belirlenir.

3. Tokenlar

TokenBiçimNotlar
Metin"..."Kaçışlar (v0.2, K-036): \" \\ \n; bilinmeyen kaçış → S040. Kapanmayan tırnak → S002
TamSayıASCII rakamlari64; sınır aşımı → S006. Negatif sabit -3 geçerli (v0.2, K-036): işaret rakama bitişik
Kelimetanımlayıcı alfabesiAnahtar kelime DEĞİLDİR — bkz. §5
Virgül,Liste sabiti ve ileride argüman ayracı
SatirSonu / Girinti / Cikinti—RFC-0003

Diğer her karakter → S001 "beklenmeyen karakter" (öneri: kalıpları kelimelerle yaz — anti-örnek A03).

4. Yorumlar (K-001)

# satır sonuna kadar yorumdur; token üretmez. Yorum işareti, "noktalama minimum" ilkesinin kabul edilmiş üç istisnasından biridir (tırnak, virgül, #). Blok yorum yoktur; biçimleyici #yorum → # yorum normalleştirir.

5. Anahtar kelimesizlik ve bağlamsal kelimeler

Sözcükleyicide ayrılmış kelime YOKTUR: yaz, olsun, ise sıradan Kelime tokenlarıdır; anlamı ayrıştırıcı konuma göre verir (yüklem-sonlu dağıtım). Sonuçları:

  • not, sayaç gibi kelimeler serbestçe değişken adı olur (K-014).
  • Bağlamsal kelimelerin listesi ayrıştırıcı RFC'lerinde tutulur; bilinen çakışma bulguları K-014'te: al (parametre/işlem adı), sonuç (kalıp/tür/değişken), yanıt (girdi/HTTP).
  • Sabit değeri olan üç kelime tekil-ifade konumunda özeldir: doğru, yanlış, yok (+ koleksiyon boşluğu için boş liste/boş sözlük kalıpları). Bu adlarla değişken tanımlamak önerilmez; v1'de hata yapılması açık soru.

6. Açık sorular

  1. ~~Metin kaçış dizileri~~ — GERÇEKLENDİ (v0.2, K-036): \" \\ \n, S040.
  2. ~~Negatif sayı sabiti~~ — GERÇEKLENDİ (v0.2, K-036): işaret rakama bitişikse sabittir; ondalıkta işaret gövdeye bir kez uygulanır.
  3. ~~Ondalık/GerçekSayı sözdizimi~~ — ÇÖZÜLDÜ (K-028/K-092, RFC-0013): bitişik Türkçe virgül Ondalık, virgül+boşluk liste ayracıdır; ikinci bir ikilik kayan nokta kullanıcı türü yoktur.
  4. Büyük/küçük yalnız-fark uyarısı (A07) ve confusable denetiminin tanımlayıcı ötesine (metin sabitlerine) genişletilmesi. K-363 kısmi: tanımlayıcı alfabesi metin olarak taşınan kimliklere de uygulanır — paket adı (proje/uzak_bağımlılıklar), birim dosya adı (NFC-birebir) ve LSP yeniden adlandırma yeni adı; metin sabitleri kapsam dışı kalır.
  5. Tam NFC: v0 "birleşik biçim zorunlu" kuralı yeterli mi, tablolu normalizasyon mu gelmeli? (ADR adayı.)

Dört soru süzgeci

  1. Doğal mı? — Evet: yazım kuralları Türkçe imlaya dayanır (şapkalı ünlüler dahil).
  2. Deterministik mi? — Evet: her kural token düzeyinde hatayla sınanır (S001–S029).
  3. Öğrenilebilir mi? — Evet: üç noktalama istisnası dışında ezber yok.
  4. Savunulabilir mi? — Evet: homoglyph/birleştirici im koruması güvenlik modelinin (bölüm 18) lexical ayağıdır.

Korpus etkisi

Yok — korpus zaten bu kurallarla yazılmıştır; A08 artık S028 ile makine tarafından da doğrulanır (a08_homoglyph_reddedilir testi).

Sürekli sağlamlık kanıtı

K-110/ADR-022, geçerli UTF-8 girdiyi lexer ile hem normal hem hata-kurtarmalı parser yolunda yürüten libFuzzer hattını bağladı. Unicode, emoji, combining im, girinti, sayı ve virgül tohumları ana testte de kalıcı olarak yeniden oynatılır. Bu dil kuralını değiştirmez; parser'ın tanı ya da AST yerine process panic'i üretmemesi sözünü sürekli denetler.

Kaynak: rfcs/0002-lexical-ve-unicode.md · Bütün belgeler