ref: b06a35ba56fd093916f5c2cbf2ab8c8062188915
parent: 995379e388e4cd202f683a00e99749c7f21a225d
author: cinap_lenrek <cinap_lenrek@felloff.net>
date: Sat Feb 14 11:20:40 EST 2015
wc: import new wc from sources
--- 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 @@
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";
+ sts = "can't open";
+ continue;
}
- else{
- count(f, argv[i]);
- tnline+=nline;
- tnword+=nword;
- tnrune+=nrune;
- tnbadr+=nbadr;
- tnchar+=nchar;
- close(f);
- }
+ 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);
}