Support struct-like variants in `parser.py`
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 45/100
Línea de trabajo
Comienza en parser.py y compara el tratamiento existente de las enum variants con los ejemplos de VariantsShape del issue. Determina cómo se mapean los campos Single y Multiple a la K syntax del parser y verifica después que ambas formas struct-like se acepten y se representen correctamente. La implementación ideal elimina los mk constructors intermedios cuando sea posible.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Consider
pub enum VariantsShape {
Single { index: VariantIdx },
Multiple {
tag: Scalar,
tag_encoding: TagEncoding,
tag_field: usize,
variants: Vec<LayoutShape>,
},
}
This can be modeled with proper parser support in K as follows:
syntax VariantsShape ::= variantsShapeSingle(VariantsShapeSingle) [group(mir-enum), symbol(VariantsShape::Single)]
| variantsShapeMultiple(VariantsShapeMultiple) [group(mir-enum), symbol(VariantsShape::Multiple)]
syntax VariantsShapeSingle ::= mk(index: VariantIdx) [group(mir---index)]
syntax VariantsShapeMultiple ::= mk ( tag: Scalar
, tagEncoding: TagEncoding
, tagField: MIRInt
, variants: LayoutShapes
) [group(mir---tag--tag-encoding--tag-field--variants)]
The ideal solution would be to eliminate the mk constructors, and model the struct-like variants directly, e.g.:
syntax VariantsShape ::= variantsShapeSingle(index: VariantIdx) [group(mir-enum---index), symbol(VariantsShape::Single)]
| variantsShapeMultiple ( tag: Scalar
, tagEncoding: TagEncoding
, tagField: MIRInt
, variants: LayoutShapes
) [group(mir-enum---tag--tag-encoding--tag-field--variants), symbol(VariantsShape::Multiple)]
- Lenguaje dominante
- Python
- Estrellas
- 55
- Forks
- 5
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de runtimeverification/mir-semantics
-
Remove #init function from KAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 65/100
-
Inconsistent KMIR versions across projectPosiblemente ocupada @dkcumming la tomó hace 103 días. Abierto
Dificultad 3/5 1-2 días Aptitud para principiantes 52/100
runtimeverification/mir-semantics#1078 ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 58/100
runtimeverification/mir-semantics#1070 · 2 comentarios ·
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 58/100
runtimeverification/mir-semantics#1067 ·
-
area:semantics kind:refactor priority:p1 status:triage type:task
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
runtimeverification/mir-semantics#1011 · 1 comentario ·
Todos los issues de runtimeverification/mir-semantics
Issues similares
-
The changelog workflow excludes otelbot but not dependabot, so every Dependabot pull request fails the changelog checkPosiblemente ocupada @ocelotl la tomó hoy. Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 82/100
open-telemetry/opentelemetry-python#5825 ·
Los mantenedores suelen responder en 2 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
cuga-project/cuga-agent#1020 ·
Los mantenedores suelen responder en 2 días
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 70/100
microsoft/playwright#43640 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
stac-utils/stac-fastapi-elasticsearch-opensearch#965 ·
Los mantenedores suelen responder en 2 días
-
from-review-extraction library privacy python severity:suggested
Dificultad 2/5 1-3 horas Aptitud para principiantes 83/100
LearningCircuit/local-deep-research#7951 ·
Los mantenedores suelen responder en 2 días