Tecken och strängar i Java

Transkript

1 Tecken och strängar i Java

2 Begrepp: Tecken, kodpunkter, kodningar, Unicode: A till Z och mer

3 Tecken Steg 1: Ett tecken (en symbol) Odelbar symbol Minsta enheten för information A B C D # "! ( ) å ä ö ċ õ ĕ ķ Ħ Ŗ ǽ Ґ ы Ω Ą Ж ΐ ਈ ਉ ਊ ਏ ਓ ਔ ਕ ਖ ਗ ਘ ਛ R M ریال 略 X 3

4 Teckenrepertoar 4 Steg 2: En teckenreportoar (character repertoire) Välj ut en bestämd (men inte ordnad) mängd av tillgängliga tecken w 0 M a p N! o. D b ] y 8 C L z 5 h G ( V [ c v P \ U : 7 m ; < 4 S = 2 I J _ A 1 % g F ~ R H + e & d B n s # f { k l / i O ` W r > X ) 6 Q x 9 u t - K 3, T j q E? $ Y ^ Z

5 5 Steg 3: En kodad teckenuppsättning (coded character set, CCS) Varje tecken motsvaras av ett heltal exempel: ASCII från 0 till 127 Kodad teckenuppsättning

6 Kodad teckenuppsättning (2) 6 Annat exempel: ISO Latin-x ISO Latin-1: Adderar 32 kontrolltecken, 96 symboler (västeuropa) ISO Latin-2: Adderar 32 kontrolltecken, 96 symboler (östra/centraleuropa)

7 Kodad teckenuppsättning (3) 7 EBCDIC (IBM-stordatorer): 129 = a, 130 = b,, 137 = i, 145 = j,

8 Kodad teckenuppsättning (4) 8 Java 8 använder Unicode ,114,112 kodpunkter, 0 hex till 10FFFF hex >109,242 grafiska (synliga) tecken! FF Som i ISO Latin-1 03D0..03D6 05B0..05B9 GREEK BETA SYMBOL..GREEK PI SYMBOL HEBREW POINT SHEVA..HEBREW POINT HOLAM 0A01 GURMUKHI SIGN ADAK BINDI ਈਉਊਏਓਔਕਖਗਘਛ 0EDC..0EDD LAO HO NO..LAO HO MO ໜໝༀ A E80..2E99 33E0 1039F FFFD HOUSE..APL FUNCT. SYMBOL ALPHA BIOHAZARD CJK RADICAL REPEAT..CJK RADICAL RAP IDEOGRAPHIC TELEGRAPH SYMBOL FOR DAY ONE UGARITIC WORD DIVIDER <private-use >..<private-use-10fffd>

9 Teckenkodning Steg 4: Character encoding form + character encoding scheme Ungefär: Hur representerar man dessa tal som bytes i en dator? 9 ISO Latin-1: Värden Får plats i en enda byte Trivialt

10 Teckenkodning (2) Unicode: > tecken Räcker inte ens med 2 bytes (16 bitar) 10 Enkel representation: UTF-32 Tecken 32-bitars heltal Oftast ineffektivt Exempel: Räksmörgås E B D F E

11 Teckenkodning (3) 11 UTF-8: Varierande antal bytes per tecken! Räksmörgås 72 c3 a4 6b 73 6d c3 b c3 a5 73 (hexadecimalt) 13 bytes Ganska effektivt för engelska och liknande språk I ISO Latin-1 skulle dessa 13 bytes betyda "rã ksmã rgã s" Kodningsschema: Teckennummer Lagring som bytes F FF FFFF FFFFF 0xxxxxxx (samma som ASCII!) 110xxxxx 10xxxxxx 1110xxxx 10xxxxxx 10xxxxxx 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx Informativt bitmönster!

12

13 Tecken och strängar Java skiljer på: 13 Tecken Exakt en symbol Inom apostrofer: x Primitiv datatyp, char Strängar Noll eller flera symboler Inom citat: "Hello World" Objekttyp, java.lang.string

14 Tecken i Java Datatypen char: 16 bitar, Unicode-tecken char c = 'x'; char c = 120; // c=='x', eftersom Unicodetecken #120 är ett 'x'. 14 Escapekoder för "oskrivbara tecken" '\nnn': '\unnnn': Tecken med oktalt värde nnn ('\012' == tecken 10 = line feed) Tecken med hex-värde nnnn ('\u03d0' == grekiskt beta) '\b': Backspace (ASCII 8) '\t': Tab (ASCII 9) '\n': Newline (ASCII 10) '\f': Form feed (ASCII 12) '\r': Carriage return (ASCII 13) '\'': Apostrof '\\': Backslash

15

16 String 1: Strängar är objekt Strängar i Java är objekt String str = "Hello"; 16 str Object header: len chars (data) 5 Object header: length (data) ( 5) [0] H [1] e String-pekare String-objekt Teckenarray används internt för lagring Använder UTF-16 för att stödja hela Unicode: Oftast 1 char per tecken 2 chars för de "ovanligaste"

17 String 2: Literaler Även strängliteraler representerar objekt Kan användas "direkt" System.out.println("Hello".length()); // 5 17 Resulterar i ett String-objekt med 5 tecken Gör inte onödiga kopior new String("Hello")

18 String 3: Jämförelser Har två strängar samma innehåll? equals(string other), equalsignorecase(string other) 18 if (str == hello ) { // Jämför om det är samma strängobjekt == jämför pekare! if (str.equals( hello )) { // Jämför om strängarna innehåller samma tecken >>> x = "a" >>> "aa" is x * 2 False >>> "aa" == x * 2 True compareto(string other), comparetoignorecase(string other) -1 om this ska vara före other, 0 om lika, 1 om this ska vara efter other Jämför enligt Unicode-ordning: ڥ ABCD XYZ[\]^ ¾ ÀÁÂÃÄÅÆÇÈ ÔÕÖ ØÙ ĀĄ ƦƧ Ж Se även: java.text.collator Sortering enligt specifika språk (svenska: XYZÅÄÖ)

19

20 Formattering 1: Primitiva datatyper Konvertera primitiva datatyper till text: Använd de överlagrade String.valueOf()-metoderna static String valueof(char c) { static String valueof(int i) { static String valueof(boolean b) { 20 String str = String.valueOf(127); // "127"

21 Formattering 2: Object String Varje objekt har en strängrepresentation Metoden tostring() ärvs från Object Ska returnera en String som representerar objektet på något sätt 21 Exempel: public class Circle { private double x, y, r; private Circle(double x, double y, double r) { this.x = x; this.y = y; this.r = r; public static void main(string[] args) { System.out.println(new Circle(2.0, 4.0, 5.0)); >> java Circle Circle@a5e17120 Metoden println(object o) anropar o.tostring() Circle har ingen egen tostring() den ärvda implementationen från Object anropas klassnamn + "@" + ett unikt ID

22 Formattering 3: Object String Implementera en egen tostring()! 22 public class Circle { public String tostring() { return "Circle[" + x + ", " + y + ", " + r + ']'; Här adderas strängar men ett String-objekt är immutable (oföränderligt)! >> java Circle Circle[2.0, 4.0, 5.0]

23 Formattering 4: Strängkonkatenering StringBuilder: Manipulering av teckensekvenser Används av kompilatorn för att implementera "+" public String tostring() { return "Circle[" + x + ", " + y + ", " + r + ']'; public String tostring() { final StringBuilder buf = new StringBuilder(""); buf.append("circle["); buf.append(x); buf.append(", "); buf.append(y); buf.append(", "); buf.append(r); buf.append(']'); return buf.tostring(); StringBuilder.append(int) anropar String.valueOf() Skapa en String med samma tecken som denna StringBuilder 23

24 Formattering 5: Strängkonkatenering 24 Kan bli ineffektivt public class ArrayList { private Object[] elements; Vi kan ju inte private int size; ändra en //... sträng så vad public String tostring() { händer här? String res = "ArrayList<"; for (int i = 0; i < size; i++) { if (i!= 0) res = res + ", "; res = res + elements[i].tostring(); res = res + ">"; return res; Kopiera alla tecken till StringBuilder Lägg till några tecken Kopiera till en ny String Sätt om res-pekaren Släng StringBuilder + gammal String public class ArrayList { private Object[] elements; private int size; //... public String tostring() { String res = "ArrayList<"; for (int i = 0; i < size; i++) { if (i!= 0) { StringBuilder buf = new (); buf.append(res); buf.append(", "); res = buf.tostring(); StringBuilder buf2 = new (); buf2.append(res); buf2.append(elements[i].tostring()); res = buf2.tostring();

25 Formattering 6: Strängkonkatenering Lösning: Använd StringBuilder själv! public class ArrayList { private Object[] elements; private int size; public String tostring() { String res = "ArrayList<"; for (int i = 0; i < size; i++) { if (i!= 0) res = res + ", "; res = res + elements[i].tostring(); res = res + ">"; return res; public class ArrayList { private Object[] elements; private int size; public String tostring() { StringBuilder buf = new (); buf.append("arraylist<"); for (int i = 0; i < size; i++) { if (i!= 0) buf.append(", "); buf.append(elements[i]); buf.append(">"); return buf.tostring(); 25

26 Formattering 7: Detaljerad kontroll För mer detaljerad kontroll: String.format() Liknar printf() i C/C++ s=sträng d=heltal String s1 = String.format("Hello, %s! You are %d years old.\n", person.name, person.age); // Minst 30, högst 40 tecken (utfyllt med mellanslag) String s2 = String.format("Hello, %30.40s!\n", person.name); // Ange en locale String s3 = String.format(Locale.FRANCE, "e = %+10.4f", Math.E); // "e = +2,7183" 26 I PrintStream finns både println() och printf() System.out.printf("Hello, %s!\n", person.name); // Och så vidare

27 Formattering 8: Detaljerad kontroll 27 Python >>> 'Use the {, {!'.format('power','amy') 'Use the power, Amy!' >>> "A {0 {1 is a {1 that's {0.".format('hot','dog') "A hot dog is a dog that's hot." Java String s1 = MessageFormat.format("Use the {0, {1", "power", "Amy"); String s2 = String.format("Use the %s, %s!", "power", "Amy"); String s3 = MessageFormat.format("A {0 {1 is a {1 that's {0.", "hot", "dog"); String s4 = String.format("A %0$s %1$s is a %1$s that's %0$s.", "hot", "dog");