用“混合换行符类型”计数行号的算法

Question

我需要一个特定的描述(一个不会被正则表达式之类的东西太模糊的描述)。对于具有混合换行符的源文件可以计数的算法：

'\r', '\n', '\r\n', '\n\r'

我现在有以下算法。可以吗？：

1. 我确保总是在第一个换行符的“边界”上。
2. 在该事件中，我比较当前字节字符。

3.1。如果是'\n'，我将其计算为结束当前行并启动一个新行。

3.2。如果是'\r'，我将读取下一个字符(如果不是超出文本缓冲区的限制)，并查看它是否为'\n‘。如果是的话，我把它算成‘\r’换行符。

3.3。如果它是'\r'，并且下一个字符不是'\n'，我将它计算为‘\r’生成的换行符；将当前行标记为and，并将其计数为新行的开始。

如果有用的话，我需要它尝试在跨web浏览器复制/粘贴的源文件上产生更好的“可移植性”，以及/或从具有不同类型的换行符的几个文件中添加更多的“可移植性”，并且我有解析工具，我想确保在所有情况下都有正确和健壮的行为。

Answer 1

该算法应覆盖所有病例的99.999%。

您可能应该以二进制模式而不是文本模式读取源代码，以确保没有I/O层试图通过将其中的一些转换为'\n'来帮助您。

您没有指定您使用的是哪种语言。注意，在C和C++中，'\n'不同于其他转义字符，因为它不一定具有特定的值。的确，在大多数实现中，它将映射到ASCII的linefeed，但是使用'\x0A'这样的东西来保持代码的可移植性更安全、更明确。

有一些其他的新线路计划，但它们是极其罕见的。Unicode中有一个NEL字符，用于与最初在EBCDIC中的文件进行双向兼容性(我认为)。Unicode还引入了线分离器和段落分隔符，您可能也希望将它们作为换行字符来处理。但是它们非常罕见，而且处理起来可能很复杂，因为它们超出了ASCII的范围，因此您需要知道您的编码，并准备好处理这些问题。