180 byte, codice macchina (16 bit x86)
Ho notato che la maggior parte delle risposte usa la codifica / decodifica incorporata (che credo sia perfettamente soddisfacente), ma ho pensato che continuerò la mia ricerca a 16 bit .
Come con i precedenti, questo è stato fatto senza compilatore usando principalmente hexeditor HT e hexplorer di ICY .
00000000: eb40 ac20 0000 1a20 9201 1e20 2620 2020 .@. ... ... &
00000010: 2120 c602 3020 6001 3920 5201 0000 7d01 ! ..0 `.9 R...}.
00000020: 0000 0000 1820 1920 1c20 1d20 2220 1320 ..... . . . " .
00000030: 1420 dc02 2221 6101 3a20 5301 0000 7e01 . .."!a.: S...~.
00000040: 7801 89f7 4646 89fa 89d9 4143 4bb4 3fcd x...FF....ACK.?.
00000050: 2185 c074 288a 053c 8073 05e8 1700 ebec !..t(..<.s......
00000060: 3ca0 721a d440 0d80 c050 86c4 e806 0058 <.r..@...P.....X
00000070: e802 00eb d7b4 4088 05b3 01cd 21c3 2c80 ......@.....!.,.
00000080: d0e0 89c3 8b00 89cb 85c0 74c0 3dff 0773 ..........t.=..s
00000090: 08c1 c002 c0e8 02eb cd50 c1e8 0c0c e0e8 .........P......
000000a0: d3ff 5825 ff0f c1c0 02c0 e802 0d80 8050 ..X%...........P
000000b0: 86c4 ebb8 ....
Dissezione
L'implementazione è piuttosto semplice, anche se non ho pensato molto a fluire in anticipo quindi ci sono ALCUNI spaghetti.
Mescolerò un po 'l'ordine, per rendere più facile seguire ...
0000 eb40 jmp 0x42
Passa sulla tabella che mappa i caratteri> = 0x80 <0xa0, ai codici unicode.
data db ACh,20h, 00h,00h, 1Ah,20h, ...
Quelli non validi sono codificati come 0, non sono associati a nulla
0075 b440 mov ah, 0x40
0077 8805 mov [di], al
0079 b301 mov bl, 0x1
007b cd21 int 0x21
007d c3 ret
La funzione di supporto utilizzata per stampare il carattere al
verrà richiamata alcune volte.
0042 89f7 mov di, si
0044 46 inc si
0045 46 inc si
0046 89fa mov dx, di
0048 89d9 mov cx, bx
004a 41 inc cx
004b 43 inc bx
Preparare i registri. I dati verranno letti in 0x100, si faccia si
riferimento alla tabella di traduzione sopra.
004c 4b dec bx
004d b43f mov ah, 0x3f
004f cd21 int 0x21
0051 85c0 test ax, ax
0053 7428 jz 0x7d
Leggi il carattere da stdin, passa a 0x7d se EOF.
Nota a margine: Questo in realtà è un piccolo (ma abbastanza noto) trucco, 0x7D contiene ret
, questo farà sì che pop sp
, sp
nei punti dall'inizio alla fine di un segmento, c'è 00 00
lì, ecs:0
in DOS contiene CD 20
, che provoca la dell'applicazione.
0055 8a05 mov al, [di]
0057 3c80 cmp al, 0x80
0059 7305 jnc 0x60
005b e81700 call 0x75
005e ebec jmp 0x4c
Se char è <0x80, stampalo e vai all'inizio del ciclo (poiché la funzione di supporto sta impostando BX su 1 - stdout, i salti andranno a dec bx
)
0060 3ca0 cmp al, 0xa0
0062 721a jc 0x7e
0064 d440 aam 0x40
0066 0d80c0 or ax, c080
0069 50 push ax
006a 86c4 xchg ah, al
006c e80600 call 0x75
006f 58 pop ax
0070 e80200 call 0x75
0073 ebd7 jmp 0x4c
Questa parte tratta i caratteri> = 0xa0, divide il codice ASCII in due bit "alti" e 6 bit "bassi" e applica la maschera utf-8 c080 per due byte, quindi stampa entrambi
007e 2c80 sub al, 0x80
0080 d0e0 shl al, 0x1
0082 89c3 mov bx, ax
0084 8b00 mov ax, [bx+si]
0086 89cb mov bx, cx
0088 85c0 test ax, ax
008a 74c0 jz 0x4c
008c 3dff07 cmp ax, 07ff
008f 7308 jnc 0x99
0091 c1c002 rol ax, 0x2
0094 c0e802 shr al, 0x2
0097 ebcd jmp 0x66
Questa parte tratta i caratteri> = 0x80 <0xa0, trova il codice utf-8 corretto nella tabella in alto, se il codice è uguale a 0, salta all'inizio, se è inferiore a 0x7ff (ergo: si adatta a due byte UTF-8) , basta regolare il valore e riutilizzare il codice precedente su 0x166.
0099 50 push ax
009a c1e80c shr ax, 0xc
009d 0ce0 or al, e0
009f e8d3ff call 0x75
00a2 58 pop ax
00a3 25ff0f and ax, 0fff
00a6 c1c002 rol ax, 0x2
00a9 c0e802 shr al, 0x2
00ac 0d8080 or ax, 8080
00af 50 push ax
00b0 86c4 xchg ah, al
00b2 ebb8 jmp 0x6c
La parte finale, si occupa di codici superiori a 0x7FF, rilascia 12 bit bassi, applica 0xE0 (vedere la descrizione della codifica UTF-8 per riferimento) e stampa, regola 12 bit inferiori e applica la maschera 8080 e riutilizza nuovamente la parte che sputa due caratteri .