# PythonParserBox 実装ロードマップ
Based on ChatGPT5's Python Language Feature Surface Map

## 🎯 実装優先順位の考え方

### 1. 最小限の価値を早く提供
- まずPythonコードが「動く」状態を作る
- 完璧な言語機能カバレッジより、実用的なサブセットを優先

### 2. Nyashの強みを活かせる部分から
- ループ最適化（for/while → MIR/JIT高速化）
- 関数呼び出し（def → BoxCall高速化）
- 数値計算（BinOp → ネイティブ性能）

### 3. 段階的な拡張を可能にする設計
- 未実装機能はCPython execへフォールバック
- 実装済み機能から徐々にMIR変換を拡大

## 📋 Phase 1: Core Subset（1-2週間）
**目標**: 基本的なPythonコードをNyashで実行可能にする

### 文（Statement）
- [x] def - 関数定義 → Nyash関数/Box
- [x] if/elif/else - 条件分岐 → CondBr
- [x] for - ループ → Loop + Iterator
- [x] while - ループ → Loop
- [x] return - 戻り値 → Return
- [ ] import（最小限） - 標準モジュールは後回し

### 式（Expression）
- [x] 関数呼び出し - Call → BoxCall
- [x] 演算子（算術） - +,-,*,/,% → BinOp
- [x] 比較演算子 - ==,!=,<,>,<=,>= → Compare
- [x] 変数参照/代入 - Name → Load/Store
- [x] リテラル - 数値/文字列/bool → Const

### データ型（最小限）
- [x] int → IntegerBox
- [x] float → FloatBox  
- [x] str → StringBox
- [x] bool → BoolBox
- [x] list（基本） → ArrayBox

## 📋 Phase 2: Data Model（2-3週間）
**目標**: Pythonの特殊メソッドをNyashのBoxメソッドにマッピング

### 特殊メソッド
- [ ] __init__ → constructor/birth
- [ ] __len__ → length()
- [ ] __getitem__ → get()
- [ ] __setitem__ → set()
- [ ] __iter__ → iterator()
- [ ] __str__ → toString()

### コレクション拡張
- [ ] dict → MapBox
- [ ] tuple → ImmutableArrayBox（新規）
- [ ] set → SetBox（新規）

### 演算子オーバーロード
- [ ] __add__, __sub__ 等 → operator+, operator-
- [ ] __eq__, __lt__ 等 → equals(), compareTo()

## 📋 Phase 3: Advanced Features（1ヶ月）
**目標**: Pythonの生産性の高い機能を実装

### 制御フロー拡張
- [ ] try/except → エラーハンドリング
- [ ] with文 → リソース管理
- [ ] break/continue → ループ制御

### 高度な機能
- [ ] ジェネレータ（yield） → GeneratorBox
- [ ] デコレータ → 関数ラッパー
- [ ] 内包表記 → 最適化されたループ
- [ ] ラムダ式 → 匿名関数

### クラスシステム
- [ ] class文 → box定義
- [ ] 継承 → from構文
- [ ] super() → from Parent.method()

## 📋 Phase 4: Modern Python（将来）
**目標**: 最新のPython機能をサポート

### 非同期
- [ ] async/await → 非同期Box（将来のNyash非同期と統合）
- [ ] async for/with → 非同期イテレータ

### パターンマッチ（3.10+）
- [ ] match/case → Nyashのパターンマッチ（将来実装時）

### 型ヒント
- [ ] 型アノテーション → MIRの型情報として活用
- [ ] typing モジュール → 静的型チェック情報

## 🚀 実装戦略

### Step 1: AST変換の基礎（Phase 1開始）
```python
# Python側でAST→JSON
import ast
import json

def parse_to_json(code):
    tree = ast.parse(code)
    return json.dumps(ast_to_dict(tree))

# 最小限のノードから実装
def ast_to_dict(node):
    if isinstance(node, ast.FunctionDef):
        return {
            "type": "FunctionDef",
            "name": node.name,
            "args": [arg.arg for arg in node.args.args],
            "body": [ast_to_dict(stmt) for stmt in node.body]
        }
    # ... 他のノードタイプを順次追加
```

### Step 2: Nyash AST生成（Rust側）
```rust
// JSON → Nyash AST
fn convert_python_ast(json: &str) -> Result<ast::Program> {
    let py_ast: PythonAst = serde_json::from_str(json)?;
    match py_ast {
        PythonAst::FunctionDef { name, args, body } => {
            // Python def → Nyash function
            ast::BoxDef {
                name,
                methods: vec![ast::Method {
                    name: name.clone(),
                    params: args,
                    body: convert_statements(body),
                }],
                ..
            }
        }
        // ... 他のケース
    }
}
```

### Step 3: 段階的な実行
1. 最初はCPython exec()でそのまま実行
2. 変換可能な部分からMIR生成
3. MIR化された部分はVM/JITで高速実行
4. 未対応部分は自動的にCPythonフォールバック

## 📊 期待される成果

### Phase 1完了時点
- 簡単な数値計算スクリプトが2-5倍高速化
- 基本的なループが最適化される
- Nyashの既存Box（FileBox等）がPythonから使える

### Phase 2完了時点
- Pythonのリスト/辞書操作が高速化
- NyashとPythonのデータ構造が相互運用可能
- 特殊メソッドによる自然な統合

### Phase 3完了時点
- Pythonの生産的な機能がNyashで高速実行
- 既存Pythonコードの大部分が動作
- デコレータやジェネレータも最適化

## 🎯 最初の一歩（今すぐ開始）

1. pyo3でPythonParserBoxの骨組み作成
2. 最小限のparse_to_json実装（def + return）
3. 単純な関数のAST変換テスト
4. "Hello from Python in Nyash"を表示

```python
# 最初のテストケース
def hello():
    return "Hello from Python in Nyash"

# これがNyashで動けば成功！
```

---
作成日: 2025-08-27
ChatGPT5のサーフェスマップを基に優先順位付けしたロードマップ