Comprobación de un carácter para que sea una nueva línea

Question 1

¿Cómo verificar si un carácter es un carácter de nueva línea en cualquier codificación en C?

Tengo una tarea para escribir la mía. WC programa. Y si uso solo si (s[i] == '\n') tiene otra respuesta que la original WC si lo llamo a sí mismo.
Aquí está el código:

typedef struct
{
    int newline;
    int word;
    int byte;
} info;

info count(int descr)
{
    info kol;
    kol.newline = 0;
    kol.word = 0;
    kol.byte = 0;

    int len = 512;
    char s[512];
    int n;

    errno = 0;
    int flag1 = 1;
    int flag2 = 1;
    while(n = read(descr, s, len))
    {
        if(n == -1)
            error("Error while reading.", errno);

        errno = 0; 

        kol.byte+=n;
        for(int i=0; i<n; i++)
        {
            if(flag1)
            {
                kol.newline++;
                flag1 = 0;
            }

            if(isblank(s[i]) || s[i] == '\n')
                flag2 = 1;
            else
            {
                if(flag2)
                {
                    kol.word++;
                    flag2 = 0;
                }
            }
            if(s[i] == '\n')
                flag1 = 1;
        }
    }
    return kol;
}

Funciona bien para todos los archivos de texto, pero cuando lo llamo al archivo que obtuve después de compilarlo, no da la respuesta. WC da.

Question 2

La forma de comprobar si un personaje s[i] es un carácter de nueva línea es simplemente:

if (s[i] == '\n')

Si está leyendo un archivo que se abrió en modo de texto (incluido stdin), cualquier representación que utilice el sistema subyacente para marcar el final de una línea se traducirá a una sola '\n' personaje.

Dices que estás tratando de escribir el tuyo wc programa, y comparando con '\n' está obteniendo resultados diferentes a los del sistema wc. No nos has contado lo suficiente como para adivinar por qué sucede eso. Muéstranos tu código y cuéntanos exactamente qué está pasando.

Es posible que tenga problemas si está leyendo un archivo que está codificado de manera diferente, por ejemplo, tratando de leer un archivo de texto en formato Unix en un sistema Windows. Pero entonces wc tendria el mismo problema.

Question 3

Hay varios caracteres de nueva línea en ASCII y Unicode.

Los más famosos son \r y \n, de ASCII. Técnicamente, estos son retorno de carro y salto de línea. Windows usa ambos juntos \r\n (técnicamente, el retorno de carro significa ir a la columna 0, el salto de línea significa ir a la siguiente línea, pero nada que yo sepa obedece eso en la práctica), Unix usa solo \n. Algunos sistemas operativos (no comunes) usan solo \r.

La mayoría de las aplicaciones se detienen allí y no sufren por ello. Lo que sigue es más teórico.

Unicode complica las cosas. U+000A y U+000B son idénticos a \r y \n (misma representación binaria en UTF-8). Luego está U+0085 “siguiente línea”, U+2028 “separador de línea” y U+2029 “separador de párrafo”. También puede verificar la pestaña vertical (U + 000B) si desea verificar todo. Mira aquí: http://en.wikipedia.org/wiki/Newline#Unicode

Question 4

Que yo sepa, no existe una función estándar como la isXXXXX() unos (el más cercano es isspace(), lo que también es válido para otras condiciones (espacio, tabulador, avance de formulario…). Simplemente comparar con ‘\n’ debería resolver su problema; dependiendo de lo que considere que es un carácter de nueva línea, es posible que también desee verificar ‘\r’ (retorno de carro). El estándar UNIX como separador de línea es ‘\n’, Mac (antes de OS X) usaba ‘\r’ (ahora ‘\n’ es más común, pero algunas aplicaciones todavía usan ‘\r’, por ejemplo, MS Office), DOS/Windows usa la secuencia “\r\n”.

¿Ha sido útil esta solución?