linux中wc是怎么实现的

为什么会写这篇文章

Unix中很多地方都涉及到文本处理，经常会涉及到 line ， word ， sentence ， paragraph 等概念。而这里面就涉及到一些含义，但是这些含义好像是模糊不清的，所以写了这篇文章。

wc中 line 和 character

wc程序完成 line word character计数，但是什么是line，什么是character，什么又是word

首先说 line 和 character：
在stackoverflow中有这样一个问题：why should text files end with a newline？中有提到POSIX定义了line为

A sequence of zero or more non- characters plus a terminating character.

然后出现了一个有意思的现象
所以在linux中touch 一个新文件，然后使用wc程序，显示 lines=0， characters=0；
然后使用vi打开文件，使用 i 进入 insertmode，然后输入一个字符，然后 :wq，然后使用wc程序，显示lines=1 character=2。
产生这个现象的原因就是文件末尾会自动添加一个newline character。

wc 中 word ：

在Google中搜寻 wc source code，然后发现了两个比较有意思的搜索结果：

1. https://www.gnu.org/software/cflow/manual/html_node/Source-of-wc-command.html#Source-of-wc-command
2. http://code.metager.de/source/xref/gnu/coreutils/src/wc.c

第一个是GNU cflow项目中的一个demo程序，比较简单，但是有点小遗憾，里面功能实现不全，而且使用gcc编译还有warning。
第二个是看网页上xref可以知道在GNU CoreUtils网站中下载压缩包，然后在压缩包里面找到src/wc.c。

先分析一下第一个中的代码

···
int main (int argc, char **argv)
{
int i;
if (argc < 2)
errf ("usage: wc FILE [FILE...]");

for (i = 1; i < argc; i++)
    counter (argv[i]);

if (argc > 2)
    report ("total", total_ccount, total_wcount, total_lcount);
return 0;

}
···
main中实现了主要功能，调用了数一个文件中有多少lines，words，characters的函数count

然后比较关键的代码是getword函数，不停的从file stream中得到words
其中COUNT完成lines和characters计数，getword函数完成words计数功能。

这个代码对word计数与linux中wc计数不同，我认为主要原因是
这段代码只将连续的字母作为一个字，连续的数字等不作为word
isword用来判断当前字符是否处于一个字，isword实现的功能不完善

再来分析第二个代码

第二个代码相对就有700行之多，先挖个坑，以后学习点内核知识 再来填 coreutils的坑