diff options
author | cinap_lenrek <cinap_lenrek@felloff.net> | 2015-02-14 16:20:40 +0100 |
---|---|---|
committer | cinap_lenrek <cinap_lenrek@felloff.net> | 2015-02-14 16:20:40 +0100 |
commit | b06a35ba56fd093916f5c2cbf2ab8c8062188915 (patch) | |
tree | 2bf21fcd015d90b105749abdab04066b8c7839fd /sys/src/cmd/wc.c | |
parent | 995379e388e4cd202f683a00e99749c7f21a225d (diff) |
wc: import new wc from sources
Diffstat (limited to 'sys/src/cmd/wc.c')
-rw-r--r-- | sys/src/cmd/wc.c | 361 |
1 files changed, 90 insertions, 271 deletions
diff --git a/sys/src/cmd/wc.c b/sys/src/cmd/wc.c index d82587b3b..6b1a3210d 100644 --- a/sys/src/cmd/wc.c +++ b/sys/src/cmd/wc.c @@ -1,26 +1,84 @@ /* - * wc -- count things in utf-encoded text files - * Bugs: - * The only white space characters recognized are ' ', '\t' and '\n', even though - * ISO 10646 has many more blanks scattered through it. - * Should count characters that cannot occur in any rune (hex f0-ff) separately. - * Should count non-canonical runes (e.g. hex c1,80 instead of hex 40). + * Count bytes within runes, if it fits in a uvlong, and other things. */ #include <u.h> #include <libc.h> -#define NBUF (8*1024) -uvlong nline, tnline, pline; -uvlong nword, tnword, pword; -uvlong nrune, tnrune, prune; -uvlong nbadr, tnbadr, pbadr; -uvlong nchar, tnchar, pchar; -void count(int, char *); -void report(uvlong, uvlong, uvlong, uvlong, uvlong, char *); +#include <bio.h> + +/* flags, per-file counts, and total counts */ +static int pline, pword, prune, pbadr, pchar; +static uvlong nline, nword, nrune, nbadr, nchar; +static uvlong tnline, tnword, tnrune, tnbadr, tnchar; + +enum{Space, Word}; + +static void +wc(Biobuf *bin) +{ + int where; + long r; + + nline = 0; + nword = 0; + nrune = 0; + nbadr = 0; + where = Space; + while ((long)(r = Bgetrune(bin)) >= 0) { + nrune++; + if(r == Runeerror) { + nbadr++; + continue; + } + if(r == '\n') + nline++; + if(where == Word){ + if(isspacerune(r)) + where = Space; + }else + if(isspacerune(r) == 0){ + where = Word; + nword++; + } + } + nchar = Boffset(bin); + tnline += nline; + tnword += nword; + tnrune += nrune; + tnbadr += nbadr; + tnchar += nchar; +} + +static void +report(uvlong nline, uvlong nword, uvlong nrune, uvlong nbadr, uvlong nchar, char *fname) +{ + char line[1024], *s, *e; + + s = line; + e = line + sizeof line; + line[0] = 0; + if(pline) + s = seprint(s, e, " %7llud", nline); + if(pword) + s = seprint(s, e, " %7llud", nword); + if(prune) + s = seprint(s, e, " %7llud", nrune); + if(pbadr) + s = seprint(s, e, " %7llud", nbadr); + if(pchar) + s = seprint(s, e, " %7llud", nchar); + if(fname != nil) + seprint(s, e, " %s", fname); + print("%s\n", line+1); +} + void main(int argc, char *argv[]) { - char *status=""; - int i, f; + char *sts; + Biobuf *bin; + int i; + + sts = nil; ARGBEGIN { case 'l': pline++; break; case 'w': pword++; break; @@ -31,269 +89,30 @@ main(int argc, char *argv[]) fprint(2, "Usage: %s [-lwrbc] [file ...]\n", argv0); exits("usage"); } ARGEND - if(pline+pword+prune+pbadr+pchar == 0) { + if(pline+pword+prune+pbadr+pchar == 0){ pline = 1; pword = 1; pchar = 1; } - if(argc==0) - count(0, nil); - else{ - for(i=0;i<argc;i++){ - f=open(argv[i], OREAD); - if(f<0){ + if(argc == 0){ + bin = Bfdopen(0, OREAD); + wc(bin); + report(nline, nword, nrune, nbadr, nchar, nil); + Bterm(bin); + }else{ + for(i = 0; i < argc; i++){ + bin = Bopen(argv[i], OREAD); + if(bin == nil){ perror(argv[i]); - status="can't open"; - } - else{ - count(f, argv[i]); - tnline+=nline; - tnword+=nword; - tnrune+=nrune; - tnbadr+=nbadr; - tnchar+=nchar; - close(f); + sts = "can't open"; + continue; } + wc(bin); + report(nline, nword, nrune, nbadr, nchar, argv[i]); + Bterm(bin); } if(argc>1) report(tnline, tnword, tnrune, tnbadr, tnchar, "total"); } - exits(status); -} -void -report(uvlong nline, uvlong nword, uvlong nrune, uvlong nbadr, uvlong nchar, char *fname) -{ - char line[128], *e; - line[0] = '\0'; - e = line; - if(pline) - e += sprint(e, " %7llud", nline); - if(pword) - e += sprint(e, " %7llud", nword); - if(prune) - e += sprint(e, " %7llud", nrune); - if(pbadr) - e += sprint(e, " %7llud", nbadr); - if(pchar) - sprint(e, " %7llud", nchar); - if(fname) - print("%s %s\n", line+1, fname); - else - print("%s\n", line+1); -} -/* - * How it works. Start in statesp. Each time we read a character, - * increment various counts, and do state transitions according to the - * following table. If we're not in statesp or statewd when done, the - * file ends with a partial rune. - * | character - * state |09,20| 0a |00-7f|80-bf|c0-df|e0-ef|f0-ff - * -------+-----+-----+-----+-----+-----+-----+----- - * statesp|ASP |ASPN |AWDW |AWDWX|AC2W |AC3W |AWDWX - * statewd|ASP |ASPN |AWD |AWDX |AC2 |AC3 |AWDX - * statec2|ASPX |ASPNX|AWDX |AWDR |AC2X |AC3X |AWDX - * statec3|ASPX |ASPNX|AWDX |AC2R |AC2X |AC3X |AWDX - */ -enum{ /* actions */ - AC2, /* enter statec2 */ - AC2R, /* enter statec2, don't count a rune */ - AC2W, /* enter statec2, count a word */ - AC2X, /* enter statec2, count a bad rune */ - AC3, /* enter statec3 */ - AC3W, /* enter statec3, count a word */ - AC3X, /* enter statec3, count a bad rune */ - ASP, /* enter statesp */ - ASPN, /* enter statesp, count a newline */ - ASPNX, /* enter statesp, count a newline, count a bad rune */ - ASPX, /* enter statesp, count a bad rune */ - AWD, /* enter statewd */ - AWDR, /* enter statewd, don't count a rune */ - AWDW, /* enter statewd, count a word */ - AWDWX, /* enter statewd, count a word, count a bad rune */ - AWDX, /* enter statewd, count a bad rune */ -}; -uchar statesp[256]={ /* looking for the start of a word */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 00-07 */ -AWDW, ASP, ASPN, AWDW, AWDW, AWDW, AWDW, AWDW, /* 08-0f */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 10-17 */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 18-1f */ -ASP, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 20-27 */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 28-2f */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 30-37 */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 38-3f */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 40-47 */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 48-4f */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 50-57 */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 58-5f */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 60-67 */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 68-6f */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 70-77 */ -AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, AWDW, /* 78-7f */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* 80-87 */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* 88-8f */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* 90-97 */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* 98-9f */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* a0-a7 */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* a8-af */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* b0-b7 */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* b8-bf */ -AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, /* c0-c7 */ -AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, /* c8-cf */ -AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, /* d0-d7 */ -AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, AC2W, /* d8-df */ -AC3W, AC3W, AC3W, AC3W, AC3W, AC3W, AC3W, AC3W, /* e0-e7 */ -AC3W, AC3W, AC3W, AC3W, AC3W, AC3W, AC3W, AC3W, /* e8-ef */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* f0-f7 */ -AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,AWDWX,/* f8-ff */ -}; -uchar statewd[256]={ /* looking for the next character in a word */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 00-07 */ -AWD, ASP, ASPN, AWD, AWD, AWD, AWD, AWD, /* 08-0f */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 10-17 */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 18-1f */ -ASP, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 20-27 */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 28-2f */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 30-37 */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 38-3f */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 40-47 */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 48-4f */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 50-57 */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 58-5f */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 60-67 */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 68-6f */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 70-77 */ -AWD, AWD, AWD, AWD, AWD, AWD, AWD, AWD, /* 78-7f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 80-87 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 88-8f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 90-97 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 98-9f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* a0-a7 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* a8-af */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* b0-b7 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* b8-bf */ -AC2, AC2, AC2, AC2, AC2, AC2, AC2, AC2, /* c0-c7 */ -AC2, AC2, AC2, AC2, AC2, AC2, AC2, AC2, /* c8-cf */ -AC2, AC2, AC2, AC2, AC2, AC2, AC2, AC2, /* d0-d7 */ -AC2, AC2, AC2, AC2, AC2, AC2, AC2, AC2, /* d8-df */ -AC3, AC3, AC3, AC3, AC3, AC3, AC3, AC3, /* e0-e7 */ -AC3, AC3, AC3, AC3, AC3, AC3, AC3, AC3, /* e8-ef */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* f0-f7 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* f8-ff */ -}; -uchar statec2[256]={ /* looking for 10xxxxxx to complete a rune */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 00-07 */ -AWDX, ASPX, ASPNX,AWDX, AWDX, AWDX, AWDX, AWDX, /* 08-0f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 10-17 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 18-1f */ -ASPX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 20-27 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 28-2f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 30-37 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 38-3f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 40-47 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 48-4f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 50-57 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 58-5f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 60-67 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 68-6f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 70-77 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 78-7f */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* 80-87 */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* 88-8f */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* 90-97 */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* 98-9f */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* a0-a7 */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* a8-af */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* b0-b7 */ -AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, AWDR, /* b8-bf */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* c0-c7 */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* c8-cf */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* d0-d7 */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* d8-df */ -AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, /* e0-e7 */ -AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, /* e8-ef */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* f0-f7 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* f8-ff */ -}; -uchar statec3[256]={ /* looking for 10xxxxxx,10xxxxxx to complete a rune */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 00-07 */ -AWDX, ASPX, ASPNX,AWDX, AWDX, AWDX, AWDX, AWDX, /* 08-0f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 10-17 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 18-1f */ -ASPX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 20-27 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 28-2f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 30-37 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 38-3f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 40-47 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 48-4f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 50-57 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 58-5f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 60-67 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 68-6f */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 70-77 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* 78-7f */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* 80-87 */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* 88-8f */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* 90-97 */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* 98-9f */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* a0-a7 */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* a8-af */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* b0-b7 */ -AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, AC2R, /* b8-bf */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* c0-c7 */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* c8-cf */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* d0-d7 */ -AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, AC2X, /* d8-df */ -AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, /* e0-e7 */ -AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, AC3X, /* e8-ef */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* f0-f7 */ -AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, AWDX, /* f8-ff */ -}; -void -count(int f, char *name) -{ - int n; - uchar buf[NBUF]; - uchar *bufp, *ebuf; - uchar *state=statesp; - - nline = 0; - nword = 0; - nrune = 0; - nbadr = 0; - nchar = 0; - - for(;;){ - n=read(f, buf, NBUF); - if(n<=0) - break; - nchar+=n; - nrune+=n; /* might be too large, gets decreased later */ - bufp=buf; - ebuf=buf+n; - do{ - switch(state[*bufp]){ - case AC2: state=statec2; break; - case AC2R: state=statec2; --nrune; break; - case AC2W: state=statec2; nword++; break; - case AC2X: state=statec2; nbadr++; break; - case AC3: state=statec3; break; - case AC3W: state=statec3; nword++; break; - case AC3X: state=statec3; nbadr++; break; - case ASP: state=statesp; break; - case ASPN: state=statesp; nline++; break; - case ASPNX: state=statesp; nline++; nbadr++; break; - case ASPX: state=statesp; nbadr++; break; - case AWD: state=statewd; break; - case AWDR: state=statewd; --nrune; break; - case AWDW: state=statewd; nword++; break; - case AWDWX: state=statewd; nword++; nbadr++; break; - case AWDX: state=statewd; nbadr++; break; - } - }while(++bufp!=ebuf); - } - if(state!=statesp && state!=statewd) - nbadr++; - if(n<0) - perror(name); - report(nline, nword, nrune, nbadr, nchar, name); + exits(sts); } |