内核里isprint系列函数的实现

karma303

ctype.h里isxxx()系列的函数，不知道大家常不常用。
我最近在写一个文本解析器。 在写类似 #define IS_SPACE(c) ( strchar("\t\f\n\r ") == true) 的宏时，想起来标准里的这些函数。 就看了看man page， 看了半天，才区分明白。
先集体亮个相：

1.        int isalnum(int c);
   
2.        int isalpha(int c);
   
3.        int iscntrl(int c);
   
4.        int isdigit(int c);
   
5.        int isgraph(int c);
   
6.        int islower(int c);
   
7.        int isprint(int c);
   
8.        int ispunct(int c);
   
9.        int isspace(int c);
   
10.        int isupper(int c);
    
11.        int isxdigit(int c);
    
12.        int isblank(int c);
    

复制代码

有5个函数比较简单:
isupper, islower, isdigit。 分别是大写，小写，数字。
isalpha, isalnum。 分别是字母， （字母与数字）。 alpha的原意是希腊语的第一个字母（A， a）， 相当于字母表里的A,a。

有2个函数我不常用到， 忽略掉：

isxdigit, iscntrl。
算了，还是说一下cntrl字符吧。 它们是0~31的ascii码，另外127号ascii也是， 共计34个。 7~13号我们比较熟悉：

1. \a, \b, \t, \n, \v,  \f, \r

复制代码

其中的不少是为早期的打印机而生的， 像\f是换页打印。 \n喂纸。 \r回车， 它还可以把printf送回屏幕行首，也就是把stdout的write操作lseek回行首。这在重度的命令行界面编程时很有用，因为写屏是非seek的。
\a是响一声。 不过现在很多系统都不会响了（包括我的ubuntu）。 据说早期的终端都配有bell，是怕操作员太无聊睡着， 后来终端变小了，就退化为bepper（主板上的蜂鸣器），到现在的虚拟终端，\a的行为就未定义了。
除去这7个，剩余控制字符的有谁在实际工作中遇到，请一定发邮件告诉我。


回到正题，现在就剩下4个了：
      

1.        int isgraph(int c);
   
2.        int isprint(int c);
   
3.        int ispunct(int c);
   
4.        int isspace(int c);
   
5.        int isblank(int c);
   

复制代码

先说isprint（）。 它是指32 ~ 126号字符。 除了32号空格键，其它的都是看得见的(图形）字符。
但我不太用这个函数（它能干什么）， 所以决定忘掉它。
对我有用的是isgraph， 它包含的正是所有图形字符， 33 ~ 126号， 仅从isprint()里剔除一个空格键。 我们用 if( !isgraph( c) )就可以判定一个空白字符（我在文本解析里， 认为空白和不可见是等价的， 虽然后者的字符集更大）。 不过type.h提供了一个专门的函数， isspace（）。 它判定的更精细， 它只认:

1. \n \r \s \t \v \f

复制代码

这几个字符。

所以总结一下。 128个ascii首先可以分成3部分。

1. 图形字符  93个  isgraph()
   
2. 控制字符  34个   iscntrl()
   
3. 空格字符  1个

复制代码

1. 图形字符又可以细分：
   
2. 图形字符
   
3.                ==> 字母数字                                                   isalnum()
   
4.                                        ==> 字母                                  isaplha()
   
5.                                                        ==> 大写                  isupper()
   
6.                                                        ==> 小写                  islower()
   
7.                                        ==> 数字                                  isdigit()
   
8.                ==> 标点符号                                                   ispunct()
   
9. 
   
10. 
    
11. 
    

复制代码

刚才漏讲的ispunct()现在出现了。 他就是图形字符里，除了字母数字外的所有字符。 punctuation是标点符号的意思。 这里只能理解为广义的标点符号了，因为包含了!@#这些。
还有一个忘说的是isblank()， 因为我觉得它的存在除了混淆视听， 没有任何意义，所以我也决定忘掉它。

最后点题。 不然就要被删帖了。
内核(glibc估计也是）对这些函数的实现， 是基于table的， 而不是类似 ((c) == '\n' || (c) == '\r')。 好处有二： 一是更快， 第二个是避免多次side effect（假如前面的c是个有side effect的表达式）。
下面是2.6.11.12的源码：

1. /*
   
2. * NOTE! This ctype does not handle EOF like the standard C
   
3. * library is required to.
   
4. */
   
5. 
   
6. #define _U        0x01        /* upper */
   
7. #define _L        0x02        /* lower */
   
8. #define _D        0x04        /* digit */
   
9. #define _C        0x08        /* cntrl */
   
10. #define _P        0x10        /* punct */
    
11. #define _S        0x20        /* white space (space/lf/tab) */
    
12. #define _X        0x40        /* hex digit */
    
13. #define _SP        0x80        /* hard space (0x20) */
    
14. 
    
15. extern unsigned char _ctype[];
    
16. 
    
17. #define __ismask(x) (_ctype[(int)(unsigned char)(x)])
    
18. 
    
19. #define isalnum(c)        ((__ismask(c)&(_U|_L|_D)) != 0)
    
20. #define isalpha(c)        ((__ismask(c)&(_U|_L)) != 0)
    
21. #define iscntrl(c)        ((__ismask(c)&(_C)) != 0)
    
22. #define isdigit(c)        ((__ismask(c)&(_D)) != 0)
    
23. #define isgraph(c)        ((__ismask(c)&(_P|_U|_L|_D)) != 0)
    
24. #define islower(c)        ((__ismask(c)&(_L)) != 0)
    
25. #define isprint(c)        ((__ismask(c)&(_P|_U|_L|_D|_SP)) != 0)
    
26. #define ispunct(c)        ((__ismask(c)&(_P)) != 0)
    
27. #define isspace(c)        ((__ismask(c)&(_S)) != 0)
    
28. #define isupper(c)        ((__ismask(c)&(_U)) != 0)
    
29. #define isxdigit(c)        ((__ismask(c)&(_D|_X)) != 0)

复制代码

1. unsigned char _ctype[] = {
   
2. _C,_C,_C,_C,_C,_C,_C,_C,                        /* 0-7 */
   
3. _C,_C|_S,_C|_S,_C|_S,_C|_S,_C|_S,_C,_C,                /* 8-15 */
   
4. _C,_C,_C,_C,_C,_C,_C,_C,                        /* 16-23 */
   
5. _C,_C,_C,_C,_C,_C,_C,_C,                        /* 24-31 */
   
6. _S|_SP,_P,_P,_P,_P,_P,_P,_P,                        /* 32-39 */
   
7. _P,_P,_P,_P,_P,_P,_P,_P,                        /* 40-47 */
   
8. _D,_D,_D,_D,_D,_D,_D,_D,                        /* 48-55 */
   
9. _D,_D,_P,_P,_P,_P,_P,_P,                        /* 56-63 */
   
10. _P,_U|_X,_U|_X,_U|_X,_U|_X,_U|_X,_U|_X,_U,        /* 64-71 */
    
11. _U,_U,_U,_U,_U,_U,_U,_U,                        /* 72-79 */
    
12. _U,_U,_U,_U,_U,_U,_U,_U,                        /* 80-87 */
    
13. _U,_U,_U,_P,_P,_P,_P,_P,                        /* 88-95 */
    
14. _P,_L|_X,_L|_X,_L|_X,_L|_X,_L|_X,_L|_X,_L,        /* 96-103 */
    
15. _L,_L,_L,_L,_L,_L,_L,_L,                        /* 104-111 */
    
16. _L,_L,_L,_L,_L,_L,_L,_L,                        /* 112-119 */
    
17. _L,_L,_L,_P,_P,_P,_P,_C,                        /* 120-127 */
    
18. 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,                /* 128-143 */
    
19. 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,                /* 144-159 */
    
20. _S|_SP,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,   /* 160-175 */
    
21. _P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,_P,       /* 176-191 */
    
22. _U,_U,_U,_U,_U,_U,_U,_U,_U,_U,_U,_U,_U,_U,_U,_U,       /* 192-207 */
    
23. _U,_U,_U,_U,_U,_U,_U,_P,_U,_U,_U,_U,_U,_U,_U,_L,       /* 208-223 */
    
24. _L,_L,_L,_L,_L,_L,_L,_L,_L,_L,_L,_L,_L,_L,_L,_L,       /* 224-239 */
    
25. _L,_L,_L,_L,_L,_L,_L,_P,_L,_L,_L,_L,_L,_L,_L,_L};      /* 240-255 */
    
26. 
    
27. EXPORT_SYMBOL(_ctype);

复制代码

上面代码的思路很简单，就是建立一个256字节的数组（我们只关心前面128个）， 下标正是ascii码， ctype[asscii] 存储的是这个ascii码的属性信息， 是通过手工的硬编码存进去的， 例如， 它是大写字母吗， 是小写子母吗， 是控制字符吗， 是数字吗。。等等。 isxxx函数只要做个位与就得出结果了。

【完】

_nosay

回复 1# karma303

nswcfd

补充一下，isprint主要用在Hexdump里，isprint的字符用自身表示，其它的用.表示，
比如printf '%b' '\x'{0..3}{0..9} | hexdump -C