统计文件单词数量2020-10-01

#include <stdio.h>
#include <string.h>

#define ABS(a, b) ((a) > (b))?(((a) - (b)):((b) - (a)))
#define RW_OFFSET(r, w, size) (((w) >= (r))?((w)-(r)):((w)+(size)-(r)))
#define RW_IDX_INC(rw, size) (((rw) >= (size - 1))?(rw = 0):(rw++))
#define RW_IDX_NEXT(rw, cnt, size) (((rw + cnt%size) >= (size))?(cnt%size - 1):(rw + cnt%size))
#define RW_IDX_LAST(rw, cnt, size) (((int)(rw - cnt%size) < (0))?(size - cnt%size):(rw - cnt%size))

#define MAX_SIZE (10u)
typedef enum
{
    OUT_WORD = 0,
    IN_WORD = 1,
} STATE_MACH;

STATE_MACH state_mach = OUT_WORD;

/** 判断是否是字母
*** 输入字符 ch
*** return 0:不是字母，1：是字母
*/
int is_alphabet(char ch)
{
    int ret = 0;
    if ((('a' <= ch) && ('z' >= ch)) || (('A' <= ch) && ('Z' >= ch)))
    {
        ret = 1;
    }
    
    return ret;
}

int main(int argc, char* argv[])
{
    char ch;
    char ch_arr[MAX_SIZE];
    int r_idx = 0, w_idx = 0;
    int sum_word = 0;
    FILE *fp = fopen(argv[1], "r");
    if (NULL == fp)
    {
        printf("%s[%d] fopen file %s is failed\n", __FUNCTION__, __LINE__, argv[1]);
        return -1;
    }
    
    fgets(ch_arr, MAX_SIZE, fp);
    r_idx = 0;
    w_idx = strlen(ch_arr);
    
    while (EOF != ch_arr[r_idx])
    {
        while ((RW_OFFSET(r_idx, w_idx, MAX_SIZE) < (MAX_SIZE / 2))
            && (EOF != ch_arr[RW_IDX_LAST(w_idx, 1, MAX_SIZE)]))    /**< 缓冲数据保持在一定数量 */
        {
            ch_arr[w_idx] = fgetc(fp);
            RW_IDX_INC(w_idx, MAX_SIZE);
        }
        
        switch (state_mach)
        {
            case OUT_WORD:
                if (1 == is_alphabet(ch_arr[r_idx]))
                {
                    state_mach = IN_WORD;
                    sum_word++;
                }
                break;
                
            case IN_WORD:
                if (0 == is_alphabet(ch_arr[r_idx]))
                {
                    if (('\'' == ch_arr[r_idx]) || ('-' == ch_arr[r_idx]))
                    {
                        if ((RW_OFFSET(r_idx, w_idx, MAX_SIZE) > 0) && (is_alphabet(ch_arr[RW_IDX_NEXT(r_idx, 1, MAX_SIZE)]))) /**< 连接符 */
                        {
                            RW_IDX_INC(r_idx, MAX_SIZE);
                            break;
                        }
                        else if (('-' == ch_arr[r_idx])
                              && (RW_OFFSET(r_idx, w_idx, MAX_SIZE) > 2) 
                              && (0x0d == ch_arr[RW_IDX_NEXT(r_idx, 1, MAX_SIZE)])
                              && (0x0a == ch_arr[RW_IDX_NEXT(r_idx, 2, MAX_SIZE)])
                              && (is_alphabet(ch_arr[RW_IDX_NEXT(r_idx, 3, MAX_SIZE)]))) /**< 行末尾连接符 */
                        {
                            RW_IDX_INC(r_idx, MAX_SIZE);
                            RW_IDX_INC(r_idx, MAX_SIZE);
                            RW_IDX_INC(r_idx, MAX_SIZE);
                            break;
                        }
                    }
                    state_mach = OUT_WORD;
                }
                break;
                
            default:
                break;
        }
        RW_IDX_INC(r_idx, MAX_SIZE);
    }
    
    printf("%s[%d] file %s word has %d\n", __FUNCTION__, __LINE__, argv[1], sum_word);
}