您现在的位置：程式碼之家 >> 編程語言 > >> 更多程式語言 >> 組合語言

DOS 時代組合語言經典原始碼賞析：CLEAN 文字檔過濾工具

編輯：組合語言

前言

本文收錄 Ray Duncan 1983 年編寫的 CLEAN.ASM，功能為過濾文字檔：移除控制碼 (保留 LF/CR/FF)、去除高位元、展開 Tab 為空白、附加 EOF 標記。支援區塊讀寫 (1KB 緩衝區)、命令列參數解析、錯誤處理、進度顯示。展示了 DOS 2.0 檔案控制代碼 API (INT 21h AH=3Ch/3Dh/3Fh/40h/3Eh)、緩衝區管理、字元級處理邏輯、模組化程式結構。

程式功能與流程

解析命令列取得輸入檔名
自動產生輸出檔名：同名改副檔名為 .CLN
開啟輸入檔 (唯讀) / 建立輸出檔 (寫入/截斷)
初始化 1KB 輸入/輸出緩衝區
迴圈逐字元讀取、過濾、寫入：

讀字元 → AND 7Fh (去高位)
→ 若 >= 20h : 正常字元 → 寫入、欄位計數++
→ 若控制碼 :
    EOF(1Ah) : 結束
    Tab(09h) : 展開至下一 8 欄位倍數 (送空白)
    CR/LF/FF : 寫入、欄位歸零
    其他 : 捨棄
→ 緩衝區滿寫入磁碟

偵測磁碟已滿、檔案不存在等錯誤並顯示訊息

關閉檔案、顯示完成訊息

核心模組與關鍵技術

1. 檔案 I/O 區塊讀寫 (1KB 緩衝)

; 讀取區塊
read_block:
 mov bx, input_handle
 mov cx, blksize (1024)
 mov dx, offset input_buffer
 mov ah, 3fh
 int 21h
; 寫入區塊
write_block:
 mov bx, output_handle
 mov cx, blksize
 mov dx, offset output_buffer
 mov ah, 40h
 int 21h

get_char/put_char 管理緩衝區指標，滿/空時呼叫區塊讀寫。
讀取不足 1KB 時在緩衝區末尾植入 EOF (1Ah) 標記，簡化主迴圈判斷。
寫入時檢查實際寫入位元組數，CY=1 表示磁碟已滿。

2. Tab 展開演算法

clean5:          ; 處理 Tab
 mov ax, column
 cwd
 mov cx, 8
 idiv cx         ; AX=商, DX=餘數
 sub cx, dx      ; 8 - 餘數 = 需補空白數
 add column, cx  ; 更新欄位計數
clean55:
 push cx
 mov al, 20h     ; 空白
 call put_char
 pop cx
 loop clean55

將目前欄位數對 8 取餘，補足至下一個 8 的倍數。

3. 命令列解析與檔名處理

infile：跳過前導空白，複製至 CR 或空白前，存入 input_name。
outfile：複製 input_name，掃描 '.' 或結尾，強制改為 .CLN。

4. 錯誤處理與使用者介面

各檔案操作檢查 CY 旗標，失敗顯示對應訊息 (msg1~msg5)。
sign_on 顯示標題、版權、輸入/輸出檔名。
pasciiz 列印 ASCIIZ 字串 (以 0 結尾)，並將大寫轉小寫顯示。

完整原始碼結構概覽

cseg segment ...          ; 程式碼段
clean proc far            ; 進入點
 infile, outfile          ; 檔名處理
 open_input, open_output  ; 檔案開啟
 init_buffs               ; 緩衝區初始化
 sign_on                  ; 顯示資訊
clean3:                   ; 主過濾迴圈
 get_char, put_char       ; 緩衝字元存取
 read_block, write_block  ; 區塊磁碟 I/O
 flush_buffs              ; 寫入剩餘緩衝資料
 close_input, close_output
 sign_on, pasciiz         ; 訊息顯示
cseg ends

data segment ...          ; 資料段
 input_name, output_name  ; 檔名緩衝
 input_handle, output_handle
 input_ptr, output_ptr    ; 緩衝區指標
 column                   ; 欄位計數 (Tab用)
 msg1~msg9                ; 各類訊息
 input_buffer, output_buffer (1024 bytes each)
data ends

stack segment ...         ; 堆疊段
stack ends
end clean

DOS 2.0 檔案 API 對照表

現代對應與啟發

功能	AH	輸入	輸出
建立/截斷檔案	3Ch	DS:DX=檔名, CX=屬性	AX=控制代碼
開啟檔案	3Dh	DS:DX=檔名, AL=模式	AX=控制代碼
讀取檔案	3Fh	BX=控制代碼, CX=位元組數, DS:DX=緩衝區	AX=實際讀取位元組數
寫入檔案	40h	BX=控制代碼, CX=位元組數, DS:DX=緩衝區	AX=實際寫入位元組數
關閉檔案	3Eh	BX=控制代碼	無

CLEAN 技術	現代對應
1KB 區塊緩衝 I/O	標準庫 `fread/fwrite`、`BufferedReader/Writer`、mmap
字元級過濾管線	串流處理 (Stream API、Reactive Streams、Pipes)
Tab 展開演算法	編輯器/終端機渲染引擎核心邏輯
命令列解析	`getopt`/`argparse`/`CLI11`
錯誤碼旗標檢查	例外處理 / `Result/Either` 型別 / `errno`
ASCIIZ 字串處理	C 風格字串 / `std::string_view` / Rust `&str`

學習重點

DOS 檔案控制代碼機制與 INT 21h 3Ch/3Dh/3Fh/40h/3Eh 完整流程
雙緩衝區 (輸入/輸出) 管理：指標追蹤、滿/空觸發區塊 I/O、殘留資料刷新
字元分類與控制碼處理邏輯 (保留/捨棄/轉換)
Tab 位置計算的整除/餘數應用
模組化程式結構：各功能獨立 PROC、參數透過全域變數/堆疊傳遞
使用者體驗細節：簽名顯示、錯誤訊息分類、進度回饋

總結

CLEAN.ASM 是 DOS 時代實用工具程式的典範：功能明確、結構清晰、錯誤處理完善、緩衝區管理高效、使用者介面友善。其核心演算法 (字元過濾管線、Tab 展開、區塊 I/O) 在現代文字處理、編輯器、編譯器前端、日誌清洗工具中依然是基礎建構塊。研讀此碼，可深入理解「資料流處理」的本質邏輯，跨越時代與平台。