Συμβολοσειρές

ΣΥΜΒΟΛΟΣΕΙΡΕΣ

Γεώργιος Παπαϊωάννου (2013-14)

gepap@aueb.gr
Συμβολοσειρές

• Περιγραφή:
– Ο τύπος string
– Μετατροπή από και προς τον τύπο string
– Βασικές μέθοδοι
– Χρήση Ελληνικών
– Συναρτήσεις C εκτύπωσης και ανάγνωσης

• Τελευταία ενημέρωση: Ιούνιος 2013

Εισαγωγή - 2
Συμβολοσειρές

• Είδαμε ότι τα null-terminated strings (πίνακες χαρακτήρων)

μπορούν να χρησιμοποιηθούν ως strings
• Στη C++ υπάρχει ειδική κλάση, η string που ενσωματώνει
μια αντικειμενοστρεφή υλοποίηση των συμβολοσειρών και
παρέχει υποστήριξη για σύνθετες αναπαραστάσεις
χαρακτήρων, όπως Unicode, wide characters κλπ.
• Σημείωση: Εξακολουθούμε να δουλεύουμε με πίνακες
χαρακτήρων όταν:
– Θέλουμε συμβατότητα με C (γίνεται και μετατροπή μεταξύ των 2
τύπων
– Επιθυμούμε μεγαλύτερη ταχύτητα (απλούστερη αναπαράσταση)

3
Συμβολοσειρές

#include <string> // Εδώ δηλώνεται το string

#include <iostream>
using namespace std; // Εδώ ανήκει το string (std::string)

int main() {
string s1, s2; // Δε χρειάζεται να καθορίσουμε τα μεγέθη.
cin >> s1; // Ο χώρος του s1 προσαρμόζεται αυτόματα.
s2 = "copy of " + s1; // Πρόσθεση συμβολοσειρών. Μετατροπή
// του πίνακα χαρακτήρων σε string.
s1 = "new string"; // Νέα τιμή του s1.
cout << s1 << endl << s2 << endl;
}

Πληκτρολογώ "test". Τυπώνει:

new string
copy of test

4
Συμβολοσειρές

• Η κλάση string είναι μέρος της βασικής βιβλιοθήκης

«standard template library» (STL) η οποία είναι σπασμένη σε
διάφορα αρχεία (π.χ. iostream, string κλπ)
• Η βιβλιοθήκη αυτή εντάσσει όλες τις κλάσεις της, τους
τύπους της και τις συναρτήσεις της σε έναν κοινό χώρο
ονομάτων (namespace), τον std
• Για να δηλώσω ένα string κανονικά ενσωματώνω και το
namespace στο όνομα της κλάσης: std::string
• Αν δηλώσω ότι «χρησιμοποιώ» αυτό το namespace, μπορώ
να το παραλείψω από τη δήλωση:
using namespace std;
string var = “my string”;
5
Συμβολοσειρές

• Από πίνακα χαρακτήρων σε string:

char buffer[20] = “try me”;

std::string str = buffer;

• Από string σε πίνακα χαρακτήρων:

str.c_str();

• Πρόσβαση στον εσωτερικό buffer (χαρακτήρων):

str.data(); // Δεν είναι αντίγραφο και

// δε μπορούμε να το αλλάξουμε (const)

6
Συμβολοσειρές

• Μέγεθος:
string.size() και string.length() (ισοδύναμα)
• Άδεια συμβολοσειρά:
string.empty()

• Ανατρέξτε στον οδηγό αναφοράς για τον πλήρη

κατάλογο των μεθόδων του string:
http://www.cplusplus.com/reference/string/string/

7
Συμβολοσειρές

• Σύνθεση συμβολοσειρών:
string str1 = “try me ”;
string str2 = “now”;
string str3 = str1 + str2; // str3: “try me now”
str1.append(str2); // str1: “try me now”
srt1 += “ again”; // (append) “try me now again”

• Πρόσβαση σε χαρακτήρες:
cout << str3[2] << endl; // διάβασμα του 3ου χαρ.: ‘y’
str3[4] = 'i'; // αντικατάσταση του 5ου χαρ.
str3[5] = 't'; // αντικατάσταση του 6ου χαρ.
cout << str3 << endl; // “try it now”

8
Συμβολοσειρές

• Σύγκριση συμβολοσειρών:
string str1 = “Android”;

string str2 = “Androids”;

bool _2gt1 = str1 < str2; // _2gt1 == true

str1 = “Android4.2”;

str2 = “Android3.2”;

_2gt1 = str1 < str2; // _2gt1 == false

str1 = “Andro”; Ο έλεγχος γίνεται λεξικογραφικά. Το

αποτέλεσμα ισοδυναμεί με τη σύγκριση των
str2 = “Andras”; πρώτων από αριστερά ανόμοιων χαρακτήρων

_2gt1 = str1 < str2; // _2gt1 == false

9
Συμβολοσειρές

• Εύρεση sub-string:
2 16
string str1 = "I am a healthy camel";

string str2 = "am";

size_t pos = str1.find(str2); // pos == 2

pos = str1.find(str2, pos+1); // pos == 16

10
Συμβολοσειρές

string to_string (int val);

string to_string (long val);

string to_string (long long val);

string to_string (unsigned val);

string to_string (unsigned long val);

string to_string (unsigned long long val);

string to_string (float val);

string to_string (double val);

string to_string (long double val);

11
Συμβολοσειρές

int stoi (const string& str, size_t* idx = 0, int base = 10);

long stol (const string& str, size_t* idx = 0, int base = 10);

unsigned long stoul (const string& str, size_t* idx = 0, int

base = 10);

long long stoll (const string& str, size_t* idx = 0, int base =
10);

unsigned long long stoull (const string& str, size_t* idx = 0,

int base = 10);

float stof (const string& str, size_t* idx = 0);

double stod (const string& str, size_t* idx = 0);

long double stold (const string& str, size_t* idx = 0);

12
Συμβολοσειρές

• Για να υποστηρίξουμε Ελληνικά σε οποιαδήποτε

γλώσσα προγραμματισμού, έχουμε τις ακόλουθες
επιλογές, ανάλογα και με το λειτουργικό σύστημα:
– «Ελληνική» κωδικοποίηση του (7-bit) ASCII, όπως για
παράδειγμα η ISO8859-7
– Χρήση Unicode κωδικοποίησης (8- και 16-bit): UTF-8, UTF-16
• Στο Linux, υποστηρίζεται UTF-8 εγγενώς
– Χρήση “wide characters” (wchar_t). Στα Windows έχουμε 16-
bit wide characters (UTF-16) ενώ στο Linux έχουμε 32-bit
«μεγάλους» χαρακτήρες

13
Συμβολοσειρές

• Αν επιχειρήσουμε να τυπώσουμε Ελληνικό κείμενο

απευθείας, θα τυπωθεί πιθανότατα σε λάθος
κωδικοποίηση (χρησιμοποιείται η default
κωδικοποίηση της C++ “C”)
• Λύση 1: Αλλάζουμε την κωδικοποίηση σε Ελληνικό
locale (με την προϋπόθεση ότι το System Locale είναι
Ελληνικό!):
string str2 = "Ελληνικά";

setlocale(LC_ALL,"Greek");

cout << str2;

14
Συμβολοσειρές

• Λύση 2: Χρησιμοποιούμε μεγάλους χαρακτήρες

(UTF16).
• Για τους μεγάλους χαρακτήρες (wchar_t αντί για char),
υπάρχουν οι αντίστοιχες “w” (wide) δηλώσεις:
– wstring αντί για string
– wcout αντί για cout κλπ
• Τα σταθερά strings δηλώνονται λίγο διαφορετικό
τρόπο:
wstring mystring = L”Καλημέρα”;

15
Συμβολοσειρές
wstring str1 (L"Ελληνικά");
wcout << str1 << endl;
_cputws(str1.c_str());
• Διάβασμα από την κονσόλα:
wchar_t buffer [100] = {97};
_cgetws(buffer);
_cputws(buffer);
wstring str2(buffer);
Δεν τυπώνονται σωστά τα Ελληνικά από την
κλάση wstring στο output stream
Χρήση της C συνάρτησης εξόδου του string:
Σωστή κωδικοποίηση
Κατασκευάζουμε έναν πίνακα από wide
characters
Δηλώνουμε στην πρώτη θέση του πίνακα τον
μέγιστο αριθμό χαρακτήρων που επιτρέπεται να
διαβάσουμε
Χρησιμοποιούμε την αντίστοιχη συνάρτηση
εισόδου συμβολοσειρών μεγάλων χαρακτήρων
της C
16
Συμβολοσειρές

• Σε όλες τις τυπικές εγκαταστάσεις Linux,

χρησιμοποιείται κωδικοποίηση UTF8, οπότε δε
χρειάζεται να χρησιμοποιηθεί wide string
• Εφόσον το αρχείο που έχουμε γράψει τον κώδικα ή το
αρχείο από το οποίο διαβάζουμε συμβολοσειρές είναι
σε κωδικοποίηση UTF8, τυπώνονται κανονικά οι
χαρακτήρες

17
Συμβολοσειρές

• Η κλάση string είναι της C++ (η C δεν είναι

αντικειμενοστρεφής)
• Όμως, η C παρέχει ένα μεγάλο εύρος συναρτήσεων για
πίνακες χαρακτήρων
• Πολύ βασικές συναρτήσεις για μορφοποιημένη είσοδο
και έξοδο συμβολοσειρών:
– printf, sprintf
– scanf, sscanf

18
Συμβολοσειρές

• Τυπώνει παραμετρικό μορφοποιημένο κείμενο

• Παίρνει ως είσοδο μια συμβολοσειρά μορφοποίησης
και ένα πλήθος παραμέτρων που «κουμπώνουν» σε
κατάλληλες θέσεις μέσα σε αυτή
• Παράδειγμα:
int hits = 33;
long total = 1000;
printf( “We scored %d out of %ld points.\nThis is %.2f%%.\n”,
hits, total, 100.f*hits/(float)total );

Τυπώνει:
We scored 33 out of 1000 points.
This is 3.30%.
19
Συμβολοσειρές

Θέση 1 Θέση 2 Θέση 3

printf( “We scored %d out of %ld points.\nThis is %.2f%%.\n”,

hits, total, 100.f*hits/(float)total );

Παράμετρος 1 Παράμετρος 2 Παράμετρος 3

• % : δηλώνει ότι ακολουθεί εκτύπωση παραμέτρου

• %d : εκτυπώνει δεκαδικό αριθμό (decimal)
• %ld: εκτυπώνει «μεγάλο» δεκαδικό (long decimal)
• %f: εκτυπώνει float (και double)
• … Πλήρης λίστα: http://www.cplusplus.com/reference/cstdio/printf/
• %%: δηλώνει την εμφάνιση του χαρακτήρα %
• %.2f: Θέλουμε να εμφανίζει 2 δεκαδικά ψηφία
20
Συμβολοσειρές

• Διαβάζει μορφοποιημένα δεδομένα από το ρεύμα εισόδου

και περνάει σε μεταβλητές τα ορίσματα που εμφανίζονται
στις θέσεις που υποδεικνύουμε
• Είναι ουσιαστικά η αντίθετη της printf
char name[80];
int age;
int read = scanf (“name: %s, %d ",name, &age);

• Αν αποτύχει η ανάγνωση γιατί η συμβολοσειρά εισόδου δεν

ταιριάζει στο μορφότυπο που δώσαμε, επιστρέφει αμέσως
• Η τιμή επιστροφής είναι ο αριθμός των παραμέτρων που
διαβάστηκαν ορθά
21
Συμβολοσειρές

#define STATUS_CODE_PARSING -1
#define STATUS_CODE_OK 0
int parseVec2(float *v, char * text) {
if (!text)
return STATUS_CODE_PARSING;
if ( scanf(text, "\(%f%*[ ,\t]%f\)", &(v[0]), &(v[1])) < 2 )
return STATUS_CODE_PARSING;
else
return STATUS_CODE_OK;
}

22
Συμβολοσειρές

scanf(text, "\(%f%*[ ,\t]%f\)", &(v[0]), &(v[1]))

\( , \) : Ειδικοί χαρακτήρες ‘(’ ‘)’

%f : διάβασμα αριθμού κινητής υποδιαστολής
%*… : διάβασε και αγνόησε (μην αποθηκεύσεις κάπου) την επόμενη
τιμή
%[…] : διάβασε έναν ή περισσότερους από τους χαρακτήρες μέσα
στις αγκύλες
Ενδεικτικές έγκυρες είσοδοι:
(0.04 1.3)
(200, 40.45)
( 1.4 50)
(-200, 50)
23
Συμβολοσειρές

• Χρήσιμες συναρτήσεις για μορφοποιημένη έξοδο και

είσοδο σε/από πίνακες χαρακτήρων
• Χρήσιμες για εύκολη επεξεργασία συμβολοσειρών (π.χ.
parsing γραμμών κειμένου από αρχεία)
• Έχουν ένα παραπάνω όρισμα (το πρώτο), τον πίνακα
χαρακτήρων εισόδου ή εξόδου (δείτε τον οδηγό
αναφοράς για περισσότερες πληροφορίες)

24