Re:Re: [OT]CSDN开源夏令营

[Zhang Weiwu <zhangweiwu realss com>]

我有一个项目，我可以作其导师。
按开源夏令营，每个项目需要一个宿主单位，这个项目需要一个宿主单位，我挂谁名下呢？

这个项目其实是佟辉老师跟我讨论如何培训学生做一个
1. 确实没人做过的。
2. 确实有需求的。
3. 适合开源/è‡ªç”±è½¯ä»¶é£Žæ ¼çš„ã€‚
4. 使用基础C语言编程就可以做到的。
5. 很小的项目。

作用是提供学生们一个开源实践的机会，获得长进，同时对开源/自由软件社区确实有所贡献。
è®¾è®¡è¿™æ ·ä¸€ä¸ªé¡¹ç›®å¾ˆå›°éš¾ï¼Œå› ä¸ºæ‰€æœ‰ä½¿ç”¨åŸºç¡€C语言编程就可以做到的，很小而确实有
需求的项目都有人做过了。

我们共同设计过一段时间，设计出一个题目，原打算让我做导师带佟老师的学生做（那
时候他是一线做教学的），但是这个看起来难度不大的项目，竟然没有学生会做，现在
CSDN的读者圈更大，也许可以出来做。
è¿™æ ·æˆ‘çŽ°åœ¨ä»ç„¶æ„¿æ„å½“å¯¼å¸ˆï¼Œå°±è·Ÿå½“æ—¶è·Ÿä½Ÿè€å¸ˆä¸€èµ·å·¥ä½œçš„ä¸€æ ·ã€‚

项目需求见本信附件。

Title: foldcolumn

项目：foldcolumn

项目需求

Linux命令column提供了-t参数，这个参数可以使表格数据（典型的是TSV数据）格式化以便用在屏幕显示上、电子邮件正文中及打印中。

Linux命令fold提供了-w参数，可以使文本按指定列宽换行。

column -t只管排布表格不管换行，实现的效果比较基础，实际使用中，表格内的单元格也需要能换行。这就需要fold和column命令的功能结合起来。这就是本项目的需求。实际使用中还有一些其它的需求。

要求实现一个程序foldcolumn，具有下述功能：

基础功能：fold+column

传统column -t输出的行宽总是取决于最宽的数据列，永不做“过宽换行”。foldcolumn需要一个--width=参数（简写为-w），指定输出媒体的宽度。比如：foldcolumn -w 80指定输入每行80个字符位这样宽（不是每行80个字符）。指定了宽度，对于太宽的数据列就必须换行。举例而言，对于输入：

$ printf "column 1\tcolumn 2\n \
The quick brown fox jumps over a lazy dog. \
The quick brown fox jumps over a lazy dog. \
The quick brown fox jumps over a lazy dog. \
The quick brown fox jumps over a lazy dog. \t \
That's it. Thanks reading.\n" | /usr/loca/bin/foldcolumn -w 80
column 1                                           column 2

The quick brown fox jumps over a lazy dog. The     That's it.
quick brown fox jumps over a lazy dog. The quick   Thanks
brown fox jumps over a lazy dog. The quick brown   reading.
fox jumps over a lazy dog.

要实现这个需求，有两个难点。一是列宽的算法。高增琦 <pgf00a gmail com>提出了一个简单的算法以供参考：

假设：

1. 字符等宽
2. 单词可以在任意位置断开（补充连字符）
3. 不必十分精确
4. 每行至少可以放下所有列

那么：

1. 把所有文字连续写，不分列的情况总行数最少
2. 要做的就是把所有文字连续写，不过改变一下文字的顺序，产生分列的效果
3. 每列的宽度为：行宽*（列字符数/总字符数）
4. 算法就是：对于每行，先写第一列，到达第一列列宽后，写第二列 ...
   

对于前面给定的例子，差不多就是6比1。 行数最少的情况是：

The quick brown fox jumps over a lazy dog.The quick brown 
fox jumps over a lazy dog.The quick brown fox jumps over 
a lazy dog.The quick brown fox jumps over a lazy dog. That's 
it. Thanks reading.

即所有内容连续的输出。

要做的就是把所有文字连续写，不过改变一下文字的顺序，产生分列的效果。
上例就是将圈住的字，白底黑底的互相交换一下。

一行一行的输出
对于每行：

       先写第一列，到达第一列列宽后，

       写第二列，到达第二列的列宽后，

       写第三列，

       ......

  

列宽的比例，就是字符数的比例（因为假设了字符等宽，否则需要计算实际
宽度的比例）

这个方法可以扩充的，比如单词不可分的时候，可以动态调整， 每次动态调整幅度逐渐减小，直到找到较为合适的情况。 或者计算列宽时留出空挡，因为大家往往关注的是左边界的对齐。

张韡武 <zhangweiwu realss com> 使用awk语言实现了这个算法，以供参考：

先制做一个测试文件：

$ printf "The sun went down with practiced bravado. Twilight crawled across the \
sky, laden with foreboding. \tAfter Y2K, the end of the world had \
become a cliché. But who was I to talk, a brooding underdog avenger \
alone against an empire of evil out to right a grave injustice. \
Everything was subjective. There were only personal apocalypses. Nothing \
is a cliché when it is happening to you.\n\
It was a lucky break. The goons inside were spooked, but luck always came \
with a price tag.\tIt was not about how good you were. It was chaos \
and luck and anyone who thought differently was a fool.\n\
Snow fell like ash from post-apocalyptic skies.\t\
Who was I kidding, the best I was, was superman on kryptonite.\n" > /tmp/input.txt

再把下面的脚本存为 bin/foldcol.awk

#!/usr/bin/awk -f
# foldcol.awk: perform like fold(1) plus column(1)
# example: foldcol.awk width=72 pass=1 /tmp/input.txt pass=2 /tmp/input.txt 
BEGIN { FS="\t"; width=80; } # table default to 80 columns wide

pass==1 {
	for (i=1; i<=NF; i++) {
		c[i] += length($i); # count of number of chars in each column
		t += length($i);    # total chars in all columns
	}
}

pass==2 {
	for (i=1; i<=NF; i++) {
		cmd[i] = "echo '" $i "' | " "fold -sw" int(c[i]/t*width)
	}
	tr = 1  # number of columns that has output of fold(1)
	while (tr > 0) {     # go on until no column has output from fold(1)
		tr = 0
		for (i=1; i<=NF; i++) {
			l = "";
			tr += (cmd[i] | getline l)
			printf "[%-" int(c[i]/t*width) "s]", l
		}
		print "";
	}
	for (i=1; i<=NF; i++) {
		close(cmd[i])
	}
}

准备好脚本和测试数据后，执行一下脚本：

$ foldcol.awk width=72 pass=1 /tmp/input.txt pass=2 /tmp/input.txt
[The sun went down with  ][After Y2K, the end of the world had become a   ]
[practiced bravado.      ][cliché. But who was I to talk, a brooding      ]
[Twilight crawled across ][underdog avenger alone against an empire of    ]
[the sky, laden with     ][evil out to right a grave injustice.           ]
[foreboding.             ][Everything was subjective. There were only     ]
[                        ][personal apocalypses. Nothing is a cliché      ]
[                        ][when it is happening to you.                   ]
[                        ][                                               ]
[It was a lucky break.   ][It was not about how good you were. It was     ]
[The goons inside were   ][chaos and luck and anyone who thought          ]
[spooked, but luck       ][differently was a fool.                        ]
[always came with a      ][                                               ]
[price tag.              ][                                               ]
[                        ][                                               ]
[Snow fell like ash from ][Who was I kidding, the best I was, was         ]
[post-apocalyptic skies. ][superman on kryptonite.                        ]
[                        ][                                               ]

换行要能兼容Unicode

换行的时候，要特别注意不能在中文的多个字节中间换行引起乱码，不能在英文的单词中间换行，另外也不能把句号放在行首，中文句号也不行。好在这些细节都有人考虑到了，不用重新创作一次。吴咏伟 <wuyongwei gmail com>编写了liblinebreak，这个C语言库能帮助换行，很容易在各种Linux系统中找到这个包。

可以使用制表符

给定参数-b（block-drawing），可以使用制表符画表。 制表符是如下图所示的文字。

 ┌─┬┐
 │ ││
 ├─┼┤
 └─┴┘

	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
6											┘	┐	┌	└	┼
7		─			├	┤	┴	┬	│

许可单元格里带有硬回车

应该许可输入数据单元格里带有硬回车。

$ printf "Math\tResult\n  1\r+ 2\r---\r  3\tCorrect\n  1\r- 2\r---\r  1\tIncorrect\n" | foldcolumn -b
 ┌────┬────────────┐
 │Math│ Result     │
 ├────┼────────────┤
 │  1 │ Correct    │
 │+ 2 │            │
 │--- │            │
 │  3 │            │
 ├────┼────────────┤
 │  1 │ Incorrect  │
 │- 2 │            │
 │--- │            │
 │  1 │            │
 └────┴────────────┘

自动格式化数字

可以向用户提供-f <precision>参数，以便自动格式化数字。例如：

$ printf '123.2321825\n125888.4888\n'
123.2321825
125888.4
$ printf '123.2328825\n125888.4\n' | foldcolumn -f 3
   123.232
125888.489

注意-d参数需要程序自己判断单元格里是数字还是字符，并且数字需要向右对齐。

许可预格式化文本

提供-c <char>参数，后面可以带一个字符串。以此字符串开头的行，不做处理。这有些类似注释。

输入：

$ printf "Item\tPrice\nComputer\t4000.00\nDesk\t300.00\n* This price table does not include tax.\n" | ./foldcolumn -c '*' -f 2
Item      Price
Computer  4000.00
Desk       300.00
* This price table does not include tax.

非功能性需求

和其它Linux命令行工具一样，对于极长的文本应该能从善如流。尤其是新程序员应该注意不要把所有东西都放在 内存里，第一遍应该像strfile(1)这样先过一 遍，第二遍再输出。

参考

breaktext.c

这是吴咏伟（Intel研发工程师） 写的，下载： http://wyw.dcweb.cn/ （可能要翻墙。）

column.c

（如果是Debian，在bsdmainutils包里）。