Algorithmen & Programmierung. Felder (2) Zeichenketten

Transkript

1 Algorithmen & Programmierung Felder (2) Zeenketten

2 Zeenketten Verarbeitung von Textdaten in C In C gibt es keinen vordefinierten Datentyp zur Verarbeitung von Textdaten. Es existiert ledigl ein Datentyp zur Darstellung eines einzelnen Zeens, z.b. Buchstaben, Ziffern, Sonderzeen,. Zeenkette Eine Zeenkette (engl. string) bezenet eine konkrete Anordnung (Konkatenation) einzelner Zeen ( Kapitel Formale Sprachen ). Realisierung Zeenketten müssen explizit mit Hilfe eindimensionaler Felder realisiert werden, deren Elemente Zeen sind. 358

3 Zeen

4 Zeen in C Datentyp Der Datentyp char beschreibt einzelne Zeen in C. Literale Direkte Zeenwerte werden von einfachen Hochkommata eingeschlossen, z.b. 'a', '%' Auch Steuerzeen können via Escape-Sequenz als Einzelzeen verwendet werden, z.b. '\n' für den Zeilenvorschub. Achtung Verwechslungsgefahr Einfache Hochkommata (') dienen zur Beschreibung eines einzelnen Zeens. Anführungszeen (") dienen zur Beschreibung von Zeenketten. 360

5 Zeen in C Zeenvorrat In den 1960iger Jahren wurde ein Zeencode standardisiert, der heute noch in Verwendung ist. ASCII ASCII steht für American Standard Code for Information Interchange. ASCII ist ein 7-Bit-Code und demzufolge stehen 128 verschiedene Zeen zur Verfügung: Die unteren 32 Codes (0-31) sind Steuercodes, die u.a. zur Ansteuerung von Druckern verwendet wurden und spielen heute bis auf wenige Ausnahmen (z.b. Zeilenvorschub '\n') keine Rolle mehr. Die oberen 96 Codes (32-127) dienen der Darstellung von Buchstaben, Ziffern, Sonderzeen etc. Einschränkung Aufgrund der Herkunft des Codes deckt ASCII nur das englische Alphabet ab. Deutsche Umlaute sind nt genormt und nur in Erweiterungen des ASCII-Codes zu finden. 361

6 ASCII ohne Steuerzeen SPACE! " # $ % & ' 4 ( ) * +, -. / : ; 6 < = A B C D E 7 F G H I J K L M N O 8 P Q R S T U V W X Y 9 Z [ \ ] ^ _ a b c 10 d e f g h i j k l m 11 n o p q r s t u v w 12 x y z { } ~ DEL 362

7 Zeen in C Operationen mit Zeen Verglesoperationen zwischen zwei Zeen basieren auf der durch die ASCII- Tabelle vorgegebenen numerischen Ordnung. Interne Darstellung C-intern wird der char-datentyp als Variante des Integer-Datentyps angesehen und jedes Zeen wird durch seinen ASCII-Wert repräsentiert. Konsequenz Mit Zeen (char-werte) kann wie mit Integer-Werten gerechnet werden. Zeen (char-werte) können in Integerwerte (und zurück) gewandelt werden. 363

8 Zeen in C Ausgabe eines Zeens Für die Ausgabefunktion printf() existiert die Formatoption %c zur Ausgabe eines char-werts. Zusätzl existiert mit putchar() eine weitere Bibliotheksfunktion der Standardbibliothek, mit der noch einfacher ein einzelnes Zeen ausgegeben werden kann. Der Funktionsaufruf putchar(zeen) gibt Zeen (entweder ein char-literal oder den Wert einer char-variable) auf dem Bildschirm aus. Einlesen eines Zeens Mit Hilfe der Bibliotheksfunktion getchar() wird ein Zeen von der Tastatur gelesen und als Funktionswert zurückgeliefert. Die Eingabe erfolgt gepuffert, d.h. sie muss durch Drücken der Return-Taste abgeschlossen werden. Da auf diese Weise mehrere Zeen auf einmal bereitgestellt werden können, stellt getchar() für char-werte das Pendant zu der Integer-Einlesefunktion readint() dar. 364

9 Zeenketten

10 Darstellung von Zeenketten Eine Zeenkette wird (wie bereits erwähnt) mit Hilfe eines Feldes von Zeen realisiert. Endmarkierung Da die Elementanzahl des Feldes nt notwendigerweise mit der Zeenanzahl einer Zeenkette übereinstimmen muss, ist es nötig, das Ende einer Zeenkette erkennen zu können. Aus diesem Grund folgt auf das letzte Zeen der Zeenkette immer ein besonderes Zeen, das das Ende der Zeenkette markiert - das so genannte Nullzeen '\0' mit dem ASCII-Wert 0. Konsequenz Die zur Speerung einer Zeenkette nötige Elementanzahl ist immer um Eins größer als die tatsächle Zeenanzahl der Zeenkette. Das Terminierungszeen '\0' dient nur zur Endmarkierung einer Zeenkette und kann demzufolge nt als reguläres Zeen verwendet werden. 366

11 Definition & Initialisierung Definition char Zeenkettenname [ Zeenanzahl ] stellt Platz für eine Zeenkette mit maximal Zeenanzahl 1 Zeen zur Verfügung. Definition mit Initialisierung ist analog der herkömmlen Feldinitialisierung mögl: char Zeenkettenname [ Zeenanzahl ] = { Zeen1, Zeen2,, Zeenn } oder als offene Variante: Achtung char Zeenkettenname [ ] = { Zeen1, Zeen2,, Zeenn } Bei einer derartigen Initialisierung eines Feldes mit Einzelzeen muss das abschließende Zeenn immer das Nullzeen sein, damit es als Zeenkette Verwendung finden kann. 367

12 Definition & Initialisierung Zeenkettenliterale Felder, die Zeenketten darstellen sollen, lassen s wesentl bequemer mit speziellen Zeenkettenliteralen initialisieren. Zeenkettenliterale werden in Anführungszeen (") eingeschlossen und definieren dann ein Feld mit den Zeen der Zeenkette, das automatisch durch ein Nullzeen terminiert wird. Definition mit Initialisierung char Zeenkettenname [ Zeenanzahl ] = "Zeenfolge" oder als offene Variante: char Zeenkettenname [] = "Zeenfolge" 368

13 Ausgabe von Zeenketten Formatierte Ausgabe Zeenketten (als nullterminierte Felder von Zeen) können mit der Formatoption %s von printf() formatiert ausgegeben werden: Beispiel: printf ( Formatstring, "Programmiersprache" ) Formatstring Ausgabe "%s" Programmiersprache "%6s" "%.8s" Programmiersprache Programm "%25s" Programmiersprache "%-25s" Programmiersprache "%25.8s" Programm "%-25.8s" Programm 369

14 Arbeit mit Zeenketten Wir wollen die Arbeit mit Zeenketten beispielhaft an häufig benötigter Funktionalität demonstrieren: Einlesen einer Zeenfolge von der Tastatur und Speerung als Zeenkette Wir wollen mit Hilfe der bereits bekannten Funktion getchar() eine Folge einzelner Zeen von der Tastatur einlesen und aus diesen eine Zeenkette generieren. Da getchar() gepuffert arbeitet und eine Eingabe erst durch Drücken der Return-Taste abgeschlossen wird, kann die Zeenfolge auf einen Rutsch eingelesen werden. Das Drücken der Return-Taste liefert als Resultat das Zeen newline '\n', das damit als Endmarkierung der Zeenfolge dient. Achtung Beim Generieren der Zeenkette ist darauf zu achten, dass das zugrundeliegende Feld nur eine begrenzte Elementanzahl aufweist und deshalb möglerweise nt alle von der Tastatur gelesenen Zeen in die Zeenkette einfließen können. 370

15 Arbeit mit Zeenketten Wir wollen die Arbeit mit Zeenketten beispielhaft an häufig benötigter Funktionalität demonstrieren: Test der lexikalischen Ordnung zweier Zeenketten Für zwei Zeenketten s1 und s2 soll mit Hilfe einer Funktion herausgefunden werden, wie ihre lexikalische Anordnung in einem Wörterbuch aussähe. Da es drei Möglkeiten gibt, erscheinen folgende Funktionswerte sinnvoll: Funktionswert kleiner als 0 s1 stände vor s2 Funktionswert größer als 0 s1 stände hinter s2 Funktionswert ist gle 0 s1 und s2 stimmen überein Diese Funktion bildet sinngemäß die Verglesoperationen für ganze Felder (und nt nur einzelne Elemente) mit Textdaten nach. Beispiel s1 = "Aachen", s2 = "Aachener Dom" Funktionswert <0 s1 stände vor s2 s1 ist kleiner als s2 371

16 Ordnung zweier Zeenketten Algorithmusidee Zeenweiser Vergle von s1 und s2 bis Unterschied gefunden oder eine Zeenkette zu Ende: Aachen Aachener Dom ^ 1. Bestimmen der Abbruchposition pos (Index des Feldelementes) mit folgenden Abbruchkriterien: Ende von s1 erret Ende von s2 erret aktuell betrachtete Zeen sind verschieden Hund Hand ^ 2. Auswerten des Abbruchsituation: Zeen von s1 und s2 an pos stimmen überein Funktionswert 0 Zeen von s1 ist kleiner als Zeen von s2 an pos Funktionswert <0 Zeen von s1 ist größer als Zeen von s2 an pos Funktionswert >0 372

17 Arbeit mit Zeenketten Wir wollen die Arbeit mit Zeenketten beispielhaft an häufig benötigter Funktionalität demonstrieren: Suche einer Zeenkette in einer zweiten (pattern matching) Es soll getestet werden, ob eine Zeenkette p (pattern) in in einer weiteren Zeenkette s (string) enthalten ist: Wenn ja, soll die Funktion die Position des ersten Vorkommens von p in s als Funktionswert zurückliefern. Wenn nein, dann soll die Funktion einen Wert kleiner 0 zurückliefern. Beispiele Die Position der Zeenkette "" in der Zeenkette "sein oder nt sein" ist

18 Pattern Matching Aufgabe Bestimmen der Position der Zeenkette "" (p) in der Zeenkette "sein oder nt sein" (s) Prinzip Allgemein: Suche p in s an jeder Position pos von s. Die Suche an einer Position pos kann wie folgt detailliert werden: Verglee p und s zeenweise Abbruch bei Unterschied (Rot), erhöhe pos, wenn pos > Länge der Zeenkette Rückgabe von 1 Weitersuchen bei Gleheit (Grün), wähle nächstes Zeen von p und s Wenn alle Zeen von p in s gefunden wurden Rückgabe von pos sein oder nt sein 374

19 Ende der Vorlesung