شمارش کاراکترها یا Character Counting

برنامه‌ی بعدی، تعداد کاراکترهای ورودی رو می‌شماره. این برنامه تقریباً شبیه برنامه‌ی کپی‌کردن ورودی هست، فقط به جای چاپ، شمارش انجام می‌دیم.

نسخه اول: شمارش با while

#include <stdio.h>

/* شمارش کاراکترهای ورودی - نسخه اول */
int main() {
    long nc;

    nc = 0;  // شمارنده از صفر شروع میشه
    while (getchar() != EOF)
        ++nc;

    printf("%ld\n", nc);

    return 0;
}

توضیحات:

• عملگر ++ یعنی افزایش یک واحد. پس ++nc معادل nc = nc + 1 هست، اما کوتاه‌تر و اغلب سریع‌تر.

• عملگر -- هم برای کم کردن یک واحد استفاده می‌شه.

• اینجا از نوع داده‌ی long استفاده کردیم تا احتمال سرریز (overflow) کمتر بشه، چون int روی بعضی ماشین‌ها فقط ۱۶ بیتی هست و زود پر می‌شه.

• در printf، فرمت %ld نشون‌دهنده‌ی یه عدد long هست.

نسخه دوم: شمارش با for

#include <stdio.h>

/* شمارش کاراکترهای ورودی - نسخه دوم */
int main() {
    double nc;

    for (nc = 0; getchar() != EOF; ++nc);   // بدنه‌ی حلقه خالیه

    printf("%.0f\n", nc);

    return 0;
}

توضیحات:

• این بار از نوع double استفاده کردیم تا بتونیم اعداد خیلی بزرگ‌تر رو هم نگه داریم.

• در printf، فرمت %f برای float و double استفاده می‌شه.

• %.0f یعنی عدد اعشاری بدون قسمت اعشار (فقط عدد صحیح چاپ می‌شه).

• چون کل کار توی شرط و بخش افزایش (++nc) انجام می‌شه، بدنه‌ی for خالیه. برای همین یه ; (null statement) گذاشتیم تا دستور کامل بشه.

نکته مهم:
اگر ورودی هیچ کاراکتری نداشته باشه، حلقه حتی یک بار هم اجرا نمی‌شه و خروجی برابر صفر خواهد بود، که نتیجه‌ی درستیه.

شمارش خطوط (Line Counting)

برنامه‌ی بعدی، تعداد خطوط ورودی رو می‌شماره. همونطور که گفتیم، هر خط با کاراکتر newline (\n) تموم می‌شه.

#include <stdio.h>

/* شمارش خطوط ورودی */
int main() {
    int c, nl;

    nl = 0;
    while ((c = getchar()) != EOF)
        if (c == '\n')
            ++nl;

    printf("%d\n", nl);

    return 0;
}

توضیحات:

• بدنه‌ی while اینجا یه if هست. اگر کاراکتر ورودی \n باشه، شمارنده‌ی خطوط (nl) یکی زیاد می‌شه.

• در C از == برای مقایسه استفاده می‌شه (برابر بودن). نباید با = (انتساب) اشتباه بشه.

• 'A' یه ثابت کاراکتر هست (در ASCII مقدارش 65 می‌شه). پس 'A' بهتر از نوشتن 65 هست چون هم واضح‌تره و هم وابسته به سیستم خاصی نیست.

• '\n' هم یه ثابت کاراکتره (نه رشته). مقدارش در ASCII عدد 10 هست.

تمرین‌ها

تمرین 1-8: برنامه‌ای بنویسید که تعداد فاصله‌ها (blanks)، تب‌ها (tabs)، و خط‌های جدید (newlines) رو بشماره.
تمرین 1-9: برنامه‌ای بنویسید که ورودی رو کپی کنه، ولی هر چند فاصله‌ی متوالی رو با یک فاصله جایگزین کنه.
تمرین 1-10: برنامه‌ای بنویسید که ورودی رو کپی کنه، ولی هر تب رو با \t، هر بک‌اسپیس رو با \b و هر بک‌اسلش رو با \\ جایگزین کنه. (این باعث می‌شه این کاراکترها به‌صورت واضح دیده بشن.)

شمارش کلمات (Word Counting)

این برنامه تعداد خطوط، کلمات و کاراکترها رو با هم می‌شماره. (یه نسخه‌ی ساده از دستور معروف wc در یونیکس.)

#include <stdio.h>

#define IN  1  /* داخل یک کلمه */
#define OUT 0  /* خارج از کلمه */

/* شمارش خطوط، کلمات و کاراکترها در ورودی */
int main() {
    int c, nl, nw, nc, state;

    state = OUT;
    nl = nw = nc = 0;

    while ((c = getchar()) != EOF) {
        ++nc;   // هر بار یه کاراکتر جدید
        if (c == '\n')
            ++nl;

        if (c == ' ' || c == '\n' || c == '\t')
            state = OUT;
        else if (state == OUT) {
            state = IN;
            ++nw;
        }
    }

    printf("%d %d %d\n", nl, nw, nc);

    return 0;
}

توضیحات:

• متغیر state مشخص می‌کنه الان داخل یک کلمه هستیم یا بیرون اون.

• هر وقت اولین کاراکتر یه کلمه دیده می‌شه، شمارنده‌ی کلمات (nw) یکی زیاد می‌شه.

• خط nl = nw = nc = 0; همه‌ی متغیرها رو صفر می‌کنه (از راست به چپ انجام می‌شه).

• عملگر || یعنی OR. پس شرط if (c == ' ' || c == '\n' || c == '\t') بررسی می‌کنه آیا کاراکتر فاصله، خط جدید یا تب هست.

• به محض اینکه یکی از شرط‌ها درست باشه، بقیه بررسی نمی‌شن (بهینه‌سازی داخلی C).

ساختار if-else

فرم کلی:

if (expression)
    statement1;
else
    statement2;

• اگر شرط درست باشه، statement1 اجرا می‌شه.

• اگر درست نباشه، statement2 اجرا می‌شه.

• هر کدوم می‌تونن یه دستور یا چندین دستور داخل {} باشن.

تمرین‌ها

تمرین 1-11: چطور برنامه‌ی شمارش کلمات رو تست می‌کنید؟ چه ورودی‌هایی می‌تونه اشکالات احتمالی رو آشکار کنه؟
تمرین 1-12: برنامه‌ای بنویسید که ورودی رو به‌صورت "هر کلمه در یک خط" چاپ کنه.