Implementace ctype funkcí (Unix V7)

14.7.2018 13:34 | Přečteno: 3050× | Linux | poslední úprava: 14.7.2018 13:28

Během pročítání The C Programming Language (1988) občas narazíte na docela divoké konstrukce.

if (isdigit(c))            /* collect integer part */
    while (isdigit(s[++i] = c = getch()))
        ;

Protože funkce ze ctype.h jsou většinou implementovány jako makra, možná vás napadne, jak byste takové makro sami napsali, aby nedocházelo k side-efektům.

V Unixu V7 (1979) to řeší takto:

ctype_.c

#include    <ctype.h>

char _ctype_[] = {
    0,
    _C,    _C,    _C,    _C,    _C,    _C,    _C,    _C,
    _C,    _S,    _S,    _S,    _S,    _S,    _C,    _C,
    _C,    _C,    _C,    _C,    _C,    _C,    _C,    _C,
    _C,    _C,    _C,    _C,    _C,    _C,    _C,    _C,
    _S,    _P,    _P,    _P,    _P,    _P,    _P,    _P,
    _P,    _P,    _P,    _P,    _P,    _P,    _P,    _P,
    _N,    _N,    _N,    _N,    _N,    _N,    _N,    _N,
    _N,    _N,    _P,    _P,    _P,    _P,    _P,    _P,
    _P,    _U|_X, _U|_X, _U|_X, _U|_X, _U|_X, _U|_X, _U,
    _U,    _U,    _U,    _U,    _U,    _U,    _U,    _U,
    _U,    _U,    _U,    _U,    _U,    _U,    _U,    _U,
    _U,    _U,    _U,    _P,    _P,    _P,    _P,    _P,
    _P,    _L|_X, _L|_X, _L|_X, _L|_X, _L|_X, _L|_X, _L,
    _L,    _L,    _L,    _L,    _L,    _L,    _L,    _L,
    _L,    _L,    _L,    _L,    _L,    _L,    _L,    _L,
    _L,    _L,    _L,    _P,    _P,    _P,    _P,    _C
};

ctype.h

#define _U    01
#define _L    02
#define _N    04
#define _S    010
#define _P    020
#define _C    040
#define _X    0100

extern  char  _ctype_[];

#define isalpha(c)    ((_ctype_+1)[c]&(_U|_L))
#define isupper(c)    ((_ctype_+1)[c]&_U)
#define islower(c)    ((_ctype_+1)[c]&_L)
#define isdigit(c)    ((_ctype_+1)[c]&_N)
#define isxdigit(c)   ((_ctype_+1)[c]&(_N|_X))
#define isspace(c)    ((_ctype_+1)[c]&_S)
#define ispunct(c)    ((_ctype_+1)[c]&_P)
#define isalnum(c)    ((_ctype_+1)[c]&(_U|_L|_N))
#define isprint(c)    ((_ctype_+1)[c]&(_P|_U|_L|_N))
#define iscntrl(c)    ((_ctype_+1)[c]&_C)
#define isascii(c)    ((unsigned)(c)<=0177)
#define toupper(c)    ((c)-'a'+'A')
#define tolower(c)    ((c)-'A'+'a')
#define toascii(c)    ((c)&0177)

       

Komentáře

[Martin Mareš]

On je to pěkný trik, ale bohužel také důvod, proč následující přímočaře vypadající kód nefunguje:

char c = getchar();
if (isprint(c))
    putchar(c);

Vidíte, proč?

[sad]

Ani ne, mně ten kód funguje.

[pc2005]

V případě, že někdo zavře stdin, tak ta tabulka přeteče. Ale závisí to na tom, zda měl v té době getchar návratový typ int, měl implementovaný EOF (= -1) nebo chybový návrat a zda byl char signed nebo unsigned (spíš signed, protože tam je ta +1) a zda může getchar číst i ascii znaky s nastaveným 7. bitem (128-255, pokud je v dané implementaci char signed, a někdo načte znak z vyšší poloviny ascii, tak tabulka naopak podteče). Nejspíš by to chtělo ten načtenej znak obalit toascii().

[debian]

toascii nepomoze. pracuje s int.

int toascii(int c);

Vid man

[pc2005]

V roce 1979 bylo typově nezávislé, viz poslední řádek blogu.

[.]

Jestli se bavíte o kódu z blogu, tak tam žádný problém není.

Pokud je řeč o tom od MM, tak je v první řadě použití charu prostě blbě.

[Martin Mareš]

Je blbě, ale je to naprosto typická začátečnická chyba: chvíli trvá, než člověk pochopí, že znaky se obvykle neukládají do charů :)

Svádí to k tomu, už jsem viděl i několik programů o statisících řádků zdrojáku, které byly takovýmihle chybami prolezlé.

[sad]

Bych to jen doplnil, že znaky se deklarují jako int, aby mohly nabýt hodnotu EOF, která je zpravidla -1.

[sad]

Tak v operačním systému Plan 9 už má ta tabulka 256 prvků.

[Martin Mareš]

Nejen když zavře stdin. Úplně stačí, když se na vstupu objeví jakýkoliv znak s nahozeným nejvyšším bitem (tedy aspoň na překladačích, kde char je defaultně signed).

[kvr]

Tak v zásadě není problém udělat buď pole se základem -128 a odečíst od parametru. Nebo lépe přetypovat parametr na (unsigned char).

Předpokládám, že výše uvedený kus kódu pocházel z doby, kdy měly kompilátory a knihovny nastavený char jako unsigned, u novějších bych čekal odolnější přístup.

[debian]

Mne to funguje spravne.

[SazeVaclav]

me ne ??? , ja kdyz zadam 'é', tak se ten putchar neprovede - a pritom bych si myslel, ze 'é' je printable.

[Jindřich Makovička]

Pro multibyte locale tenhle kód nefunguje už vůbec, tam je potřeba použít wchar varianty funkcí.

[.]

Ono to nemusí být multibyte, ale určitě je to mimo ASCII+EOF, pro které je ta tabulka definovaná.

[debian]

v popise man page jasne pise, ze pracuje so 7 bitami

[debian]

Zdrojaky prekladacov su dostupne, tak preco z nich nevytiahnut, co clovek potrebuje?