P.J.Plauger版本C标准库实现分析之'ctype.h'

七月 17, 2006

如果在你的源代码中经常见到如下代码：
/* To Identify a letter */
if ((i >= 'a' && i = 'A' && i <= 'Z'))

/* To Identify a digit */
if ( i >= '0' && i <= '9')

这说明你对头文件理解的不是很好，而也恰恰是为了减少代码中重复出现的各种'字符分类'代码而设置的。

中的接口常用来进行数据的校验和分类，如在我们的项目中它常被用来校验原始数据的'符合性'。比如说一个11位的手机号码就必须是一个全数字的字符串，我们可以选择'isdigit'来进行测试，如果返回失败，则说明原始数据不符合要求，校验失败。

首先这里有两件事不会提及，首先是对中各个接口的说明，你可以参见'ANSI C标准'文档，也可以参考各种C手册来找到你的答案；另外一点就是暂不考虑locale对中各种接口行为的影响问题，我们仅仅在'C' locale的范围内考虑问题。

Ok，有了上面两个前提，我们就可以考虑如何实现了。传统的方案，同时也是P.J.Plauger实现方案之一，那就是使用'Translation Table'和宏。宏的好处大家都很明了，不外乎可读性好+性能优越，它也是C程序员一直偏爱的工具，尽管现在很多人对之嗤之以鼻，我们依然在很多的源代码中大量的见到它的身影。

P.J.Plauger的实现方案有三个值得注意的地方：
首先我们来看看他声明的(摘录其中一部分)

/* ctype.h */
#ifndef _CTYPE
#define _CTYPE

/* _Ctype code bits */
#define _XA 0×200 /* extra alphabetic */
#define _XS 0×100 /* extra space */
#define _BB 0×80 /* BEL, BS, etc */
#define _CN 0×40 /* CR, FF, HT, NL, VT */
#define _DI 0×20 /* '0' ~ '9' */
#define _LO 0×10 /* 'a' ~ 'z' */
#define _PU 0×08 /* punctuation */
#define _SP 0×04 /* space */
#define _UP 0×02 /* 'A' ~ 'Z' */
#define _XD 0×01 /* '0' ~ '9', 'a' ~ 'z', 'A' ~ 'Z' */

int isdigit(int);
extern const short *_Ctype;
….

#define isdigit(c) (_Ctype[(int)(c)] & _DI)

#endif

/* isdigit.c */
#include

#define XDI (_DI|_XD)
… …

int (isdigit)(int c)
{
return (_Ctype[c] & _DI);
}

中有一处奇怪的地方，那就是每个接口函数都有一个同名的宏与之对应。再看看isdigit.c中isdigit接口的实现是int (isdigit)(int c)，而不是int isdigit(int c)，如果是后者，编译都会有问题。不是很了解P.J.Plauger为什么要这么做，Maybe是为了提供多种字符处理的方案，你可以这样来使用宏：
int a = 0;
a = isdigit(5);

同样你也可以这样来选择使用函数接口：
int b = 0;
b = (isdigit)(5);

第二个值得注意的地方就是'Translation Table'转换的原理了，以检查digit为例，先看看ctype_tab表是什么样子的：
static const short ctype_tab[257] = { 0, /* EOF */
…, …, …,
…, …, …,
…
…
…
…, XDI, …,
…
};
const short * _Ctype = &ctype_tab[1];

注意这个表支持另外一个额外的值'EOF'宏，这样表的大小就是257，而非256了。

当我们调用isdigit的时候，如：
c = '5';
if (isdigit(c)) {
printf("c is a digit\n");
} else {
printf("c is not a digit\n");
}

如上面isdigit实现，它把参数作为index在转换表中找到相应表项，然后与_DI宏做'与'操作。如c = '5'，其在ASCII码表中的index为53，我们在转换表中找出index为53的那个表项是XDI，然后XDI & _DI，结果为真。当然转换表中的表项都是事先按照ASCII码标安排好的。

第三个值得注意的地方就是ctype_tab数组类型为short。按照P.J.Plauger的说法他之所以选择short而非unsigned char类型是因为他觉得这样的实现拥有最大的portability，易于以后支持其他各种locale。当然如果你能完全排除支持其他locale的念头，你大可使用unsigned char，而且这样可以更好的节省空间。

中还提供toupper和tolower两个接口，这两个接口的实现也分别各需要一个转换表。这里就不详细叙述了。

附录
P.J.Plauger版本C标准库实现分析之'assert.h'