文文殿下浅析scanf源码

Posted 2021-01-26 syameimaru

本文仅做理性上的愉悦，无实际用途。

scanf实际的调用

我们直接使用的scanf其实是这样写的

int __cdecl scanf (
        const char *format,
        ...
        )
{
        va_list arglist;
        va_start(arglist, format);
        return vscanf_fn(_input_l, format, NULL, arglist);
}

我们可以看到，他其实是调用了这三个函数： va_list va_start vscanf_fn

我们跳转到vscanf_fn的实现

int __cdecl vscanf_fn (
        INPUTFN inputfn,
        const char *format,
        _locale_t plocinfo,
        va_list arglist
        )
/*
 * stdin 'SCAN', 'F'ormatted
 */
{
    int retval = 0;
 
    _VALIDATE_RETURN( (format != NULL), EINVAL, EOF);
 
    _lock_str2(0, stdin);
    __try {
        retval = (inputfn(stdin, format, plocinfo, arglist));
    }
    __finally {
        _unlock_str2(0, stdin);
    }
 
    return(retval);
}

我们发现，vscanf_fn实际上是使用了inputfn这个函数。我们进一步跟进,找到了input.c这个文件

/***
*int _input(stream, format, arglist), static int input(format, arglist)
*
*Purpose:
*   get input items (data items or literal matches) from the input stream
*   and assign them if appropriate to the items thru the arglist. this
*   function is intended for internal library use only, not for the user
*
*   The _input entry point is for the normal scanf() functions
*   The input entry point is used when compiling for _cscanf() [CPRFLAF
*   defined] and is a static function called only by _cscanf() -- reads from
*   console.
*
*   This code also defines _input_s, which works differently for %c, %s & %[.
*   For these, _input_s first picks up the next argument from the variable
*   argument list & uses it as the maximum size of the character array pointed
*   to by the next argument in the list.
*
*Entry:
*   FILE *stream - file to read from
*   char *format - format string to determine the data to read
*   arglist - list of pointer to data items
*
*Exit:
*   returns number of items assigned and fills in data items
*   returns EOF if error or EOF found on stream before 1st data item matched
*
*Exceptions:
*
*******************************************************************************/

有几个关键函数：

static _TINT __cdecl _inc(FILE* fileptr)
{
    return (_gettc_nolock(fileptr));
}

_inc的功能是调出缓冲区第一个字符

static void __cdecl _un_inc(_TINT chr, FILE* fileptr)
{
    if (_TEOF != chr) {
        _ungettc_nolock(chr,fileptr);
    }
}

_un_inc函数，将刚才_inc调出的函数重新放进缓冲区

static _TINT __cdecl _whiteout(int* counter, FILE* fileptr)
{
    _TINT ch;
 
    do
    {
        ++*counter;
        ch = _inc(fileptr);
 
        if (ch == _TEOF)
        {
            break;
        }
    }
    while(_istspace((_TUCHAR)ch));
    return ch;
}

_whiteout函数，将从缓冲区开头开始的所有连续空白字符调出

最后一步检查缓冲区，如果缓冲区可读字符为0，那么清空缓冲区

format的解析

while (*format) {
 
        if (_istspace((_TUCHAR)*format)) {
 
            UN_INC(EAT_WHITE()); /* put first non-space char back */
 
            do {
                tch = *++format;
            } while (_istspace((_TUCHAR)tch));
 
            continue;
     ………………

这里的UN_INC(EAT_WHITE())，是把当初EAT_WHITE读出的第一个非空白字符再放入缓冲区。

上面代码完成对键盘缓冲区中空白符的清理，直到正常读取第一个字符。

当读入%号，进行处理：

if (_T('%') == *format && _T('%') != *(format + 1))

解析完格式后，开始真正的实现，我们以%d做例子：

if (_T('^') == *scanptr) {
                            ++scanptr;
                            --reject; /* set reject to 255 */
                        }
 
                        /* Allocate "table" on first %[] spec */
#if ALLOC_TABLE
                        if (table == NULL) {
                            table = (char*)_malloc_crt(TABLESIZE);
                            if ( table == NULL)
                                goto error_return;
                            malloc_flag = 1;
                        }zuolizi
#endif  /* ALLOC_TABLE */
                        memset(table, 0, TABLESIZE);
 
 
                        if (LEFT_BRACKET == comchr)
                            if (_T(']') == *scanptr) {
                                prevchar = _T(']');
                                ++scanptr;
 
                                table[ _T(']') >> 3] = 1 << (_T(']') & 7);
 
                            }
 
                        while (_T(']') != *scanptr) {
 
                            rngch = *scanptr++;
 
                            if (_T('-') != rngch ||
                                 !prevchar ||           /* first char */
                                 _T(']') == *scanptr) /* last char */
 
                                table[(prevchar = rngch) >> 3] |= 1 << (rngch & 7);
 
                            else {  /* handle a-z type set */
 
                                rngch = *scanptr++; /* get end of range */
 
                                if (prevchar < rngch)  /* %[a-z] */
                                    last = rngch;
                                else {              /* %[z-a] */
                                    last = prevchar;
                                    prevchar = rngch;
                                }
                                /* last could be 0xFF, so we handle it at the end of the for loop */
                                for (rngch = prevchar; rngch < last; ++rngch)
                                {
                                    table[rngch >> 3] |= 1 << (rngch & 7);
                                }
                                table[last >> 3] |= 1 << (last & 7);
 
                                prevchar = 0;
 
                            }
                        }

reject反转标记，如果出现^ 则reject = FF; 其后方便进行 ^ 进行反转。

对于[ ]字符集，有一个char table[32]来保存256个ascii字符。(此处每个char为8bits,所以有32组可以完全包含256个ascii字符)

微软对table中字符做了这样的处理：

table[rngch >> 3] |= 1 << (rngch & 7);

即：将所读的字符串分到32组中【rngch>>3相当于除以8】，每个table[n]有8bits，每个bit中，出现的字符位会被置为1，未出现则为0，这样就完美囊括了256个ASCII字符。

判断字符是否存在，直接这样处理：?

(table[ch >> 3] ^ reject) & (1 << (ch & 7))

在其中有很多判断_ISXDIGIT(ch)的，假若不是阿拉伯数字，则会执行跳出当前%d字符读取,执行1313行的 ++format; /* skip to next char */

%d跳过了 的读取，继续读取下一个字符。

if (_T('%') == *format && _T('%') != *(format + 1)) {
        
        ……………………
            
           ++format;  /* skip to next char */
        } else  /*  ('%' != *format) */
        {
        ………………………
        }

在读代码时候读到一个函数 hextodec

static _TINT __cdecl _hextodec ( _TCHAR chr)
{
    return _ISDIGIT(chr) ? chr : (chr & ~(_T('a') - _T('A'))) - _T('A') + 10 + _T('0');
}

将读取的16进制字符 0 - F转成 10进制数，然后scanf就结束了

我们有一个非常简单的scanf的实现(臭不要脸的调用vscanf_fn)

#include<cstdio>
#include<cstdarg>
int my_scanf(char* fmt,...)
{
    int ret=0;
    va_list args;
    va_start(args,fmt);
    vscanf(fmt,args);
    va_end(args);
    return ret;
}
int main()
{
    int a;
    my_scanf("%d",&a);
    printf("%d",a);
    return 0;
}