この記事は車輪の再発明 Advent Calendar 2014の記事です。
「それ、 C/C++ だとワンライナーじゃできないよ」
コードものですが、単純でかつ簡素なのでアドベント向きだと思い書いてみました。
言わずまでもなく %XX のようにエスケープされた文字。お馴染みですね。
それをC/C++で書くとどうなるか、そんなお話です。
Uniform Resource Identifier (URI): 一般的構文: https://triple-underscore.github.io/RFC3986-ja.html
UTF-8 - Wikipedia / エンコード体系: https://ja.wikipedia.org/wiki/UTF-8#%E3%82%A8%E3%83%B3%E3%82%B3%E3%83%BC%E3%83%89%E4%BD%93%E7%B3%BB
呼び出し側。
/*
* example.c
*/
#include <stdio.h> /* fprntf(), NULL */
#include <stdlib.h> /* free() */
#include <benly/uri.h> /* encode_uri(), decode_uri */
#include <benly/column.h> /* tablize() */
int main(void)
{
char* str = "やすな\0",
* sym = "=>\0",
* enc = NULL,
* dec = NULL;
/* エンコード */
encode_uri(str, &enc);
/* デコード */
decode_uri(enc, &dec);
char* encoded[] = {
str, sym, enc, NULL,
},
* decoded[] = {
enc, sym, dec, NULL,
},
** result[] = {
encoded, decoded, NULL,
};
/* テーブル化して標準出力へ書き込み */
tablize(result);
/* メモリ解放 */
free(enc);
free(dec);
return 0;
}ライブラリ側。
/*
* uri.c
*/
#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <errno.h>
#ifndef DEFAULT_BUFSIZE
#define DEFAULT_BUFSIZE 1024
/* DEFAULT_BUFSIZE */
#endif
int encode_uri(char* const src, char** dest)
{
int status = 0;
size_t bufsiz = DEFAULT_BUFSIZE,
current = 0; /* dest のオフセット */
char* p = src; /* src をなめる */
/* エンコード後の文字列を格納するメモリ領域の確保 */
if ((*dest = (char*)
malloc(sizeof(char) * bufsiz)) == NULL) {
status = -1; goto ERR;
} else {
/* 確保された領域の初期化 */
memset(*dest, '\0', bufsiz);
}
/* ヌル文字 '\0' が出現するまでぐるぐる回す */
while (*p != '\0') {
/* エンコード後の文字列を格納するメモリ領域の再確保 */
if ((current + 3) >= bufsiz) {
bufsiz += DEFAULT_BUFSIZE;
if ((*dest = (char*)
realloc(*dest, sizeof(char) * bufsiz)) == NULL) {
status = -2; goto ERR;
} else {
/* 再確保された領域の初期化 */
memset(*dest + current, '\0', DEFAULT_BUFSIZE);
}
}
/*
* true: アドレス p が指す領域の値は変換対象
* false: アドレス p が指す領域の値は変換対象外
*/
if (
(*p >= 0x20 && *p <= 0x39) || /* [0-9] */
(*p >= 0x41 && *p <= 0x5A) || /* [A-Z] */
(*p >= 0x61 && *p <= 0x7A) || /* [a-z] */
(*p == 0x2E) || /* . */
(*p == 0x2F) || /* / */
(*p == 0x3A) /* : */
) {
/* アドレス p が指す領域の値をそのまま代入 */
*(*(dest) + current) = *p;
/* dest のオフセットを加算 */
current++;
} else {
/*
* アドレス p が指す領域の値を、二桁の16進数へ変換
* 途中、暗黙のキャストにより 4byte へ拡張され出力されてしまうので、
* ビットへのAND操作により、下位 8bit (1byte) ぶんを取り出す
*/
current += sprintf(*dest + current, "%%%02X",
*p & 0x000000FF);
}
/* アドレスを加算 */
p++;
}
return 0;
ERR:
/* エラー処理 */
switch (status) {
case -1:
case -2:
fprintf(stderr, "%s\n",
strerror(errno));
break;
}
return status;
}
int decode_uri(char* const src, char** dest)
{
int status = 0;
size_t bufsiz = DEFAULT_BUFSIZE,
current = 0; /* dest のオフセット */
char* p = src; /* src を舐める */
/* デコード後の文字列を格納するメモリ領域の確保 */
if ((*dest = (char*)
malloc(sizeof(char) * bufsiz)) == NULL) {
status = -1; goto ERR;
} else {
/* 確保された領域の初期化 */
memset(*dest, '\0', bufsiz);
}
/* ヌル文字 '\0' が出現するまでぐるぐる回す */
while (*p != '\0') {
/* デコード後の文字列を格納するメモリ領域の再確保 */
if ((current + 2) >= bufsiz) {
bufsiz += DEFAULT_BUFSIZE;
if ((*dest = (char*)
realloc(*dest, sizeof(char) * bufsiz)) == NULL) {
status = -2; goto ERR;
} else {
/* 再確保された領域の初期化 */
memset(*dest + current, '\0', DEFAULT_BUFSIZE);
}
}
/*
* true: *p == '%' なので変換対象
* false: その他は変換対象外
*/
if (*p == '%') {
/* アドレスを加算 (%を飛ばす) */
p++;
/* 二桁 (文字なので2byte) の16進数をデコードし、 *(dest) + current へ代入 */
sscanf(p, "%2X", *(dest) + current);
/* アドレスを加算 (XXを飛ばす) */
p += 2;
} else {
/* アドレス p が指す領域の値をそのまま代入 */
*(*(dest) + current) = *p;
/* アドレスを加算 */
p++;
}
/* dest のオフセットを加算 */
current++;
}
return 0;
ERR:
/* エラー処理 */
switch (status) {
case -1:
case -2:
fprintf(stderr, "%s\n",
strerror(errno));
break;
}
return status;
}% gcc example.c -lbenly_uri -lbenly_column -o example
% ./example
やすな => %E3%82%84%E3%81%99%E3%81%AA
%E3%82%84%E3%81%99%E3%81%AA => やすなきちんとエンコード・デコード共にする事ができました。
今の時代の言語ではワンライナーで書く事ができますが、あえて古い言語で書くと一層理解の助けになるかと思います。