// Copyright (c) 2008 Pedro Quaresma, Coimbra, Portugal
    // Versão 2.0 
    // versão 1.0, desenvolvida por Augusto Pinho
    //   (sob supervisão de Pedro Quaresma)


%{
#include <ctype.h> 

  /*
    os índices do vector vão coincidir com os valores da codificação
    dos caracteres, que no caso dos caracteres acentuados é ajustada
    de forma a não haver conflitos, 122+1+32 = 155, isto dado não se
    poderem considerar índices negativos.  O gasto de memória que
    esta solução implica não é (muito) significativo.
  */

#define MAXCOD 155

int paraminuscula(char c) {
  /* 
     A diferença entre letras maiúsculas e minúsculas é de
     32, no caso das letras não acentuadas pode-se usar a função 
     pré-definida tolower, no caso das letras acentuadas essa função
     não faz nada
  */
  if (c >= -64 && c <= -36)
    return(c+32);
  else
    return(c);
}

%}

   double conta_2l=0;
   double conta_3l=0;
   double conta_1l=0;
   double conta_2lT=0;
   double conta_3lT=0;
   double conta_1lT=0;
   int i=0;
   int j=0;
   int k=0;
   int l=0;
   int m=0;
   int n=0;
   long int Letr1[MAXCOD];
   long int Letr2 [MAXCOD][MAXCOD];
   long int Letr3 [MAXCOD][MAXCOD][MAXCOD];
   char chI;
   char chF;
   
 /* Alfabeto de entrada */
letras [a-zA-Z]|"á"|"à"|"ã"|"â"|"ç"|"é"|"è"|"ê"|"í"|"ì"|"ó"|"ò"|"õ"|"ô"|"ú"|"ù"|"ü"|"Á"|"À"|"Ã"|"Â"|"Ç"|"É"|"È"|"Ê"|"Í"|"Ì"|"Ó"|"Ò"|"Õ"|"Ô"|"Ú"|"Ù"|"Ü"
separadores "?"|"."|","|"!"|";"|":"|" "|")"|"("|"-"|\n
quebras \n|<EOF>

%% 
 /* 
   Vamos assumir que as  palavras curtas mais frequentes são 
   com um número de letras inferior a 4 (cálculo feito através do
   programa "media.l".
 */

 /* 
    Não se vai diferenciar as maiúsculas das minúsculas
 */

^{letras}{1,3}{separadores}{1} {
 // 1 letra
		if(yyleng == 2 ) { 
		  unput(yytext[1]);
		  if(yytext[1]<0){
		    i =-1*paraminuscula(yytext[1])+123;
		  }
		  else {
		    i=tolower(yytext[0]);
		  }
		  Letr1[i]=Letr1[i]+1;
		}
		
			
			
 // 2 letras		
		if(yyleng == 3 ) { 
		  unput(yytext[2]);
		  if(yytext[0]<0)
		    i =-1*paraminuscula(yytext[0])+123;
		  else 
		    i=tolower(yytext[0]);
		  
		  if(yytext[1]<0)
		    j =-1*paraminuscula(yytext[1])+123;
		  else 
		    j=tolower(yytext[1]);
		  Letr2[i][j]=Letr2[i][j]+1;
		}
			
  // 3 letras
		if(yyleng == 4) {
		  unput(yytext[3]);
		  
		  if(yytext[0]<0)
		    i = -1*paraminuscula(yytext[0])+123;
		  else 
		    i = tolower(yytext[0]);
		  
		  if(yytext[1]<0)
		    j = -1*paraminuscula(yytext[1])+123;
		  else 
		    j = tolower(yytext[1]);
		  
		  if(yytext[2]<0)
		    k =-1*paraminuscula(yytext[2])+123;
		  else 
		    k = tolower(yytext[2]);

		  Letr3[i][j][k]=Letr3[i][j][k]+1;
		}


}
{separadores}{1}{letras}{1,3}{separadores}{1} { 
 /* 
    Existem caracteres especiais como por exemplo algumas letras 
    acentuadas que possuiem uma "representação negativa" para evitar 
    numeros negativos uma vez que não é possivel definir possições 
    negativas num vector vamos somar nestes casos +123(avançando 
    assim 123 posições, passando para a frente dos caracteres que 
    nos interessam.  
 */    
 // 1 letra
		if(yyleng == 3 ) { 
		  unput(yytext[2]);
		  if(yytext[1]<0){
		    i =-1*paraminuscula(yytext[1])+123;
		  }
		  else {
		    i = tolower(yytext[1]);
		  }	   
		  Letr1[i]=Letr1[i]+1;
		}
 // 2 letras		
		if(yyleng == 4 ) { 
		  unput(yytext[3]);
		  if(yytext[1]<0){
		    i = -1*paraminuscula(yytext[1])+123;
		  }
		  else {
		    i = tolower(yytext[1]);
		  }
		  if(yytext[2]<0){
		    j = -1*paraminuscula(yytext[2])+123;
		  }
		  else {
		    j = tolower(yytext[2]);
		  }
		  Letr2[i][j]=Letr2[i][j]+1;
		}
  // 3 letras
		if(yyleng == 5){
		  unput(yytext[4]);
		  if(yytext[1]<0){
		    i = -1*paraminuscula(yytext[1])+123;
		  } 
		  else {
		    i = tolower(yytext[1]);
		  }
		  if(yytext[2]<0) {
		    j = -1*paraminuscula(yytext[2])+123;
		  }
		  else {
		    j = tolower(j=yytext[2]);
		  }
		  
		  if(yytext[3]<0){
		    k = -1*paraminuscula(yytext[3])+123;
		  }
		  else {
		    k = tolower(yytext[3]);
		  }
		  Letr3[i][j][k]=Letr3[i][j][k]+1;
		}
} 
.|\n

%%




main(int argc, char *argv[]) {

  // interface linha de comando
  // media <nome_de_ficheiro_entrada> <nome_de_ficheiro_saida>

  char *ficheiroEntrada,*ficheiroSaida;

  FILE *fsai, *fopen();
  
  if (argc<=2) { // valores de entrada insuficientes (2+1)
    printf("\nUtilização: curtas nome_ficheiro_entrada nome_ficheiro_saída\n\n");
    return;
  }
  // obtêm os argumentos da linha de comando
  ficheiroEntrada=argv[1];
  ficheiroSaida=argv[2];
  printf ("\nFicheiro a Processar: %s\nFicheiro com resultados: %s\n\n",ficheiroEntrada,ficheiroSaida);

  if ((yyin = fopen(ficheiroEntrada,"r")) == NULL) {
    printf("Não foi possível abrir o ficheiro %s\n",ficheiroEntrada);
  } 
  else if ((fsai = fopen(ficheiroSaida,"w")) == NULL) {
    printf("Não foi possível abrir para escrita o ficheiro %s\n",ficheiroSaida);
  } 
  else {
    // processar
    yylex();       
    /*
      Palavras de uma letra:
      conta palavras de uma letra;
    */
    conta_1l=0;
    conta_1lT=0;
    for (i=0; i < MAXCOD; i++)  
      if(Letr1[i]!=0) {
	conta_1l=conta_1l+1;
	conta_1lT=conta_1lT+Letr1[i];
      }
    /*
      vai escrever as palavras de 2 letras determinando a resepectiva 
      frequencia;
    */
    fprintf(fsai,"1 letra:    \n");
    for (i=0; i < MAXCOD; i++) {
      if(Letr1[i]!=0) {
	if (i>123)
	  k=-1*(i-123);
	else
	  k=i;
	fprintf(fsai,"%c\t%0.6f\n",k,(Letr1[i]/conta_1lT)*100);
      }  
    }
    
    /*
      Palavras de duas letras
      conta nº total de palavras com 2 letras:      
    */
    conta_2l=0;
    conta_2lT=0;
    for (i=0; i < MAXCOD; i++)  
      for(j=0;j < MAXCOD; j++)
	if(Letr2[i][j]!=0) {
	  conta_2l=conta_2l+1;
	  conta_2lT=conta_2lT+Letr2[i][j];
	}
    
    fprintf(fsai,"\n2 letras:    \n");     
    /*
      vai escrever as palavras de 3 letras determinando a respectiva
      frequência;
    */ 
    for (i=0; i < MAXCOD; i++)  
      for(j=0;j < MAXCOD; j++) {
	if(Letr2[i][j]!=0) {
	  if (i>123)
	    k=-1*(i-123);
	  else
	    k=i;
	  if (j>123)
	    l=-1*(j-123);
	  else
	    l=j;
	  fprintf(fsai,"%c%c\t%0.6f\n",k,l,(Letr2[i][j]/conta_2lT)*100);
	}  
      }         
    
    /*
      Palavras de três letras conta nº total de palavras com 3 letras:
    */
    conta_3l=0;
    conta_3lT=0;
    for (i=0; i < MAXCOD; i++)  
      for(j=0;j < MAXCOD; j++)
	for(n=0;n < MAXCOD; n++)
	  if(Letr3[i][j][n]!=0) {
	    conta_3l=conta_3l+1;
	    conta_3lT=conta_3lT+Letr3[i][j][n];
	  }
    
    /* 
       vai escrever as palavras de 2 letras determinando a respectiva
       frequência;
    */      
    fprintf(fsai,"\n3 letras:    \n");
    for (i=0; i < MAXCOD; i++)  
      for(j=0;j < MAXCOD; j++)
	for(n=0;n < MAXCOD; n++) {
	  if(Letr3[i][j][n]!=0) {
	    if (i>123)
	      k=-1*(i-123);
	    else
	      k=i;
	    if (j>123) 
	      l=-1*(j-123);
	    else 
	      l=j;
	    if (n>123)
	      m=-1*(n-123);
	    else
	      m=n;
	    fprintf(fsai,"%c%c%c\t%0.6f\n",k,l,m,(Letr3[i][j][n]/conta_3lT)*100);
	  }  
	}
  }
}