180 bytes, código de máquina (x86 de 16 bits)
Percebi que a maioria das respostas usa codificação / decodificação embutida (que eu acredito que esteja perfeitamente bem), mas pensei em continuar minha busca de 16 bits .
Como nos anteriores, isso foi feito sem o compilador, usando principalmente o hexeditor HT e o hexplorer da 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 ....
Dissecação
A implementação é bem direta, embora eu não tenha pensado muito em fluir antecipadamente, então há ALGUM espaguete por lá.
Vou misturar um pouco a ordem, para facilitar o acompanhamento ...
0000 eb40 jmp 0x42
Pule a tabela que mapeia caracteres> = 0x80 <0xa0, para códigos unicode.
data db ACh,20h, 00h,00h, 1Ah,20h, ...
Os inválidos são codificados como 0, não são mapeados para nada
0075 b440 mov ah, 0x40
0077 8805 mov [di], al
0079 b301 mov bl, 0x1
007b cd21 int 0x21
007d c3 ret
A função auxiliar usada para imprimir char al
será chamada algumas vezes.
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
Prepare registros. Os dados serão lidos em 0x100, vamos si
apontar para a tabela de conversão acima.
004c 4b dec bx
004d b43f mov ah, 0x3f
004f cd21 int 0x21
0051 85c0 test ax, ax
0053 7428 jz 0x7d
Leia char de stdin, pule para 0x7d se EOF.
Nota: Este é realmente um pequeno (mas bastante conhecido) truque, 0x7d contém ret
, isso fará com que pop sp
, sp
nos pontos de início ao final de um segmento, 00 00
exista, e cs:0
no DOS contenha CD 20
, o que faz com que o aplicativo saia.
0055 8a05 mov al, [di]
0057 3c80 cmp al, 0x80
0059 7305 jnc 0x60
005b e81700 call 0x75
005e ebec jmp 0x4c
Se char for <0x80, imprima-o e vá para o início do loop (porque a função helper está configurando BX como 1 - stdout, os saltos irão para 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
Esta parte trata de chars> = 0xa0, divide o código ascii em "alto" dois bits e "baixo" 6 bits e aplica a máscara utf-8 c080 para dois bytes, depois imprime os dois
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
Esta parte lida com chars> = 0x80 <0xa0, encontra o código utf-8 adequado na tabela na parte superior, se o código for igual a 0, pule para o início, se estiver abaixo de 0x7ff (ergo: cabe em dois bytes UTF-8) , basta ajustar o valor e reutilizar o código anterior em 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
A parte final, lida com códigos acima de 0x7FF, reduz 12 bits baixos, aplica 0xE0 (consulte a descrição da codificação UTF-8 para referência) e imprime, ajusta 12 bits inferiores e aplica a máscara 8080 e reutiliza novamente a parte que cospe dois caracteres .