// Copyright (c) 2008 Pedro Quaresma, Coimbra, Portugal
    // Versão 1.0 

    // Cálculo do Índice de Coincidência~\cite{Stinson2006}


%{
#include <ctype.h> 

  /*
    Codificação: (a,97)-(z,122); (à,-32)-(ã,-29); (ç,-25)-(ê,-22); (ì,-20)-(î,-18); 
                 (ó,-13)-(õ,-11); (ù,-7)-(ú,-6); (ü,-4);

    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+64 = 187, 

    122 - valor numérico de "z" (o maior positivo)
    +1  - a próxima posição
    +32 - o valor (mais negativo) de "à"

    isto dado não se poderem considerar índices negativos.  O gasto de memória que
    esta solução implica não é (muito) significativo.

    A solução tem de passar por adoptar os novos tipos de "wide chars"
    ou algo do género.
  */

#define MAXCOD 155


%}

   int i;
   double conta_palavra=0;
   int conta_letra=0;     
   int vec[MAXCOD];
   char ch;
   double frequenciaRelativa;
   double d1;
   double d2;

letras [a-z]|"á"|"à"|"ã"|"â"|"ç"|"é"|"è"|"ê"|"í"|"ì"|"ó"|"ò"|"õ"|"ô"|"ú"|"ù"|"ü"


%% 
{letras}  { 
	   if(yytext[0]<0) { // 122+1-4=119 ('z'+1-'ü'), isto para obter uma gama contínua
	     i =-1*yytext[0]+119;
	     vec[i]++;
	     conta_letra++;
	   }   
	   else {
	     i = yytext[0];
	     vec[i]++;
	     conta_letra++;
	   }
          } 

.|\n

%%

main(int argc, char *argv[]) {
  
  // interface linha de comando
  // media <nome_de_ficheiro_entrada> <nome_de_ficheiro_saida>
  
  char *ficheiroEntrada,*ficheiroSaida;
  double somaFis=0,total_letras=0,indiceCoincidencia;

  FILE *fsai, *fopen();
  
  if (argc<=2) { // valores de entrada insuficientes (2+1)
    printf("\nUtilização: indiceCoincidencia 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();
    // Contar o número total de letras
    for (i=0; i < MAXCOD; i++)
      if(vec[i] != 0) {
	total_letras = total_letras+vec[i];
      }
    
    for (i=0; i < MAXCOD; i++) {
      if(vec[i] != 0) {
//	printf("vec[%d]=%c,%d,%f\n",i,i,vec[i],total_letras);
	if (i>124) {
	  ch=-1*(i-123);   
	  d1=vec[i];
	  somaFis=somaFis+d1*(d1-1);
	}
	else {
	  ch=i;
	  d1=vec[i];
	  somaFis=somaFis+d1*(d1-1);
	}
      }
    }
    // escreve o índice de coincidência
    indiceCoincidencia = somaFis/(total_letras*(total_letras-1));
    fprintf(fsai,"%0.6f\n",indiceCoincidencia);
  }
}