glibc ctype

最近看了一下glibc，版本1.09.1。记录一下过程。

ctype.h

//实际上调用的都是__isctype

#define    isalnum(c)    __isctype((c), _ISalnum)
#define    isalpha(c)    __isctype((c), _ISalpha)
#define    iscntrl(c)    __isctype((c), _IScntrl)
#define    isdigit(c)    __isctype((c), _ISdigit)
#define    islower(c)    __isctype((c), _ISlower)
#define    isgraph(c)    __isctype((c), _ISgraph)
#define    isprint(c)    __isctype((c), _ISprint)
#define    ispunct(c)    __isctype((c), _ISpunct)
#define    isspace(c)    __isctype((c), _ISspace)
#define    isupper(c)    __isctype((c), _ISupper)
#define    isxdigit(c)   __isctype((c), _ISxdigit)

__isctype原型

#define    __isctype(c, type)    (__ctype_b[(int) (c)] & (unsigned short int) type)

_ISalnum，_ISalpha，_IScntrl的定义：

enum
{
  _ISupper = 1 << 0,            /* UPPERCASE.  */
  _ISlower = 1 << 1,            /* lowercase.  */
  _IScntrl = 1 << 2,            /* Control character.  */
  _ISdigit = 1 << 3,            /* Numeric.  */
  _ISspace = 1 << 4,            /* Whitespace.  */
  _IShex = 1 << 5,              /* A - F, a - f.  */
  _ISpunct = 1 << 6,            /* Punctuation.  */
  _NOgraph = 1 << 7,            /* Printing but nongraphical.  */
  _ISblank = 1 << 8,            /* Blank (usually SPC and TAB).  */
  _ISalpha = _ISupper | _ISlower,     /* Alphabetic.  */
  _ISalnum = _ISalpha | _ISdigit,     /* Alphanumeric.  */
  _ISxdigit = _ISdigit | _IShex,      /* Hexadecimal numeric.  */
  _ISgraph = _ISalnum | _ISpunct,     /* Graphical.  */
  _ISprint = _ISgraph | _NOgraph      /* Printing.  */
};

#define    tolower(c)    __tolower(c)
#define    toupper(c)    __toupper(c)

#define    __tolower(c)    ((int) __ctype_tolower[(int) (c)])
#define    __toupper(c)    ((int) __ctype_toupper[(int) (c)])

extern __const unsigned short int *__ctype_b;    /* Characteristics.  */
extern __const short int *__ctype_tolower;       /* Case conversions.  */
extern __const short int *__ctype_toupper;       /* Case conversions.  */

本来想查看__ctype_b所指向的内容。（http://refspecs.linuxfoundation.org/LSB_1.3.0/gLSB/gLSB/baselib---ctype-b.html）

__ctype_b is an array index for ctype functions.

__ctype_b is not in the source standard; it is only in the binary standard.

不能查看源代码，于是纠结了很长时间，到底里面是什么内容。

于是查看了the standard c library（http://download.csdn.net/detail/spch2008/4827435）

虽然具体实现未知，但根据书上的实现，大体明白了实现原理。

看一下toupper(c)，__ctype_toupper[(int) (c)]。

相当于_ctype_toupper持有toup_tab地址，比如传入a(ASCLL值为97，0x61)，

即__ctype_toupper[97]的值，查表得‘A’，于是返回‘A’的ASCLL码值65（0x41）。

同理，  __tolower(c)的实现也是如此。

 

   根据这个原理，可以推出 isalnum(c)类函数也是这样实现的。

  

上图，构建了特征表。上述enum枚举中定义的特征值应该与特征表对应。当然，这个图与特征表不对应，但是原理应该是一样的。

__ctype_b[(int) (c)] & (unsigned short int) type

用特征值与数组中的特征值&，如果为1，则匹配上，说明是所判断的类型，否则不是。

_ctype_b为unsigned short int*，_ctype_tolower,_ctype_toupper为short int*。

注释上是这样说的：

  These point to the second element ([1]) of arrays of size (UCHAR_MAX + 1).
   EOF is -1, so [EOF] is the first element of the original array.
   ANSI requires that the ctype functions work for `unsigned char' values
   and for EOF.  The case conversion arrays are of `short int's rather than
   `unsigned char's because tolower (EOF) must be EOF, which doesn't fit
   into an `unsigned char'.  */

即toupper， tolower遇到EOF的时候，返回-1，这样，就不能为unsigned。

而最大UCHAR_MAX为255，+1为256，显然char类型保存不下，所以只能扩大容量，

而第二小的即是short int。