Șiruri de caractere

Introducere

Un șir de caractere este un tablou care stochează caractere. În limbajul C++, putem stoca aceste șiruri în două moduri: fie folosind un tablou static, similar limbajului C, fie folosind tipul de date std::string. În acest articol, vom analiza ambele opțiuni, incluzând avantajele și dezavantajele lor.

Tipul char și tabelul ASCII

Așa cum ați văzut când am discutat despre tipurile de date, limbajul C++ dispune de tipul de date char, utilizat pentru a stoca caractere. Deși valorile stocate într-un char sunt în intervalul $[-128, 127]$ (pentru reprezentări cu semn), cele mai utilizate caractere sunt cele afișabile, care aparțin intervalului $[32, 127]$.

Printre cele mai importante coduri ASCII sunt:

• 32 (spațiu)
• 48-57: cifrele 0-9
• 65-90: literele mari ale alfabetului englez (A-Z)
• 97-122: literele mici ale alfabetului englez (a-z)

Transformări între litere și cifre

Putem simplifica lucrul cu caractere folosind valorile ASCII, fără a gestiona direct codurile. De exemplu:

• Cifre: Scădeți '0' din caracter.
• Litere: Adăugați sau scădeți 32 pentru a transforma între litere mari și mici.

--8 < --"cppintro/strings/strings01.cpp"

Lista completă a codurilor pentru caractere se găsește aici. Pentru conveniență, o voi reproduce aici:

Funcții pe tipul char

Biblioteca standard <cctype> din C++ oferă un set de funcții predefinite utile pentru verificarea proprietăților caracterelor individuale. Aceste funcții simplifică validarea și manipularea stringurilor, fiind ideale pentru lucrul cu date de tip text.

Funcția isdigit

int isdigit(int ch);

Verifică dacă un caracter anume este una din cele zece cifre zecimale: (0123456789).

Parametri

• ch - caracterul de clasificat

Valoare returnată

O valoare diferită de zero în cazul în care caracterul este un caracter numeric, zero în caz contrar.

Exemplu

--8 < --"cppintro/strings/strings02.cpp:isdigit"

Funcția isalpha

int alpha(int ch);

Verifică dacă un caracter anume este alfabetic. Următoarele caractere sunt considerate alfabetice:

• literele mari ABCDEFGHIJKLMNOPQRSTUVWXYZ
• literele mici abcdefghijklmnopqrstuvwxyz

Parametri

• ch - caracterul de clasificat

Valoare returnată

O valoare diferită de zero în cazul în care caracterul este alfabetic, zero în caz contrar.

Exemplu

--8 < --"cppintro/strings/strings02.cpp:isalpha"

Funcția isalnum

int isalnum(int ch);

Verifică dacă un caracter anume este alfanumeric. Următoarele caractere sunt considerate alfanumerice:

• literele mari ABCDEFGHIJKLMNOPQRSTUVWXYZ
• literele mici abcdefghijklmnopqrstuvwxyz
• cifrele 0123456789

Parametri

• ch - caracterul de clasificat

Valoare returnată

O valoare diferită de zero în cazul în care caracterul este alfanumeric, zero în caz contrar.

Exemplu

--8 < --"cppintro/strings/strings02.cpp:isalnum"

Funcțiile islower și isupper

int islower(int ch);
int isupper(int ch);

Verifică dacă un caracter anume este clasificat ca fiind unul mic, respectiv mare. Implicit, C consideră literele mari ca fiind ABCDEFGHIJKLMNOPQRSTUVWXYZ, iar cele mici ca abcdefghijklmnopqrstuvwxyz.

Parametri

• ch - caracterul de clasificat

Valoare returnată

O valoare diferită de zero în cazul în care caracterul este mic, respectiv mare, zero în caz contrar.

Exemplu

--8 < --"cppintro/strings/strings02.cpp:islower"

      --8
    < --"cppintro/strings/strings02.cpp:isupper"

Funcțiile tolower și toupper

int toupper(int ch);
int tolower(int ch);

Convertește un caracter dat într-o literă mare, respectiv mică, respectiv mare. C consideră literele mari ca fiind ABCDEFGHIJKLMNOPQRSTUVWXYZ, iar cele mici ca abcdefghijklmnopqrstuvwxyz.

Parametri

• ch - caracterul de convertit

Valoare returnată

Caracterul convertit sau ch dacă nu se poate efectua conversia.

Exemplu

--8 < --"cppintro/strings/strings02.cpp:tolower"

      --8
    < --"cppintro/strings/strings02.cpp:toupper"

Șiruri de caractere și biblioteca <cstring>

Biblioteca <cstring> oferă o suită de funcții utile pentru lucrul cu șiruri de caractere în stilul C. Aceasta poate fi utilizată pentru manipularea șirurilor de caractere (vectori de tip char) prin funcții standardizate.

Inițializarea șirurilor de caractere

Un șir de caractere poate fi inițializat în diferite moduri. Exemplele de mai jos ilustrează câteva tehnici comune:

--8 < --"cppintro/strings/strings03.cpp"

Citirea șirurilor de caractere

În C++, există mai multe moduri de a citi șiruri de caractere, în funcție de ce anume dorim să citim (un cuvânt, o linie completă sau un număr specificat de caractere). Alegerea metodei de citire poate afecta rezultatul, în funcție de modul în care sunt delimitate datele (spațiu, newline etc.).

Un șir de caractere poate fi citit în diverse moduri, fie la fel ca la vectori (caracter cu caracter), fie putem citi toate valorile deodată, iar în funcție de modul cum facem citirea, vom putea citi fie până la întâlnirea primului spațiu, fie până la sfârșitul liniei.

De asemenea, se va putea observa faptul că putem citi o întreagă linie folosind funcția getline și fixând numărul de caractere pe care vrem să-l citim.

Să presupunem că șirul de caractere este roalgo este cel mai bun server de informatica. În funcție de cum citim acest șir, vom avea rezultate diferite.

Funcția cin.getline are ca parametri șirul în care se va stoca rezultatul citirii și numărul maxim de caractere permis, citind șirul până la întâlnirea caracterului de newline, un exemplu ar fi cin.getline(s, x), unde s este șirul dat și x este lungimea lui.

Citirea fără o funcție specifică se poate face cu cin, dar se va citi până la primul spațiu.

Există și funcția cin.get(), care poate fi folosit fie pentru un singur caracter, fie pentru a citi $x$ caractere, dar de obicei vom avea nevoie să citim o linie completă, deci funcția cin.getline() devine mai utilă.

--8 < --"cppintro/strings/strings04.cpp"

Funcția strlen

Funcția strlen ia drept parametru un șir de caractere și returnează lungimea acestuia.

--8 < --"cppintro/strings/strings05.cpp:strlen"

Funcția strcpy și strncpy

Funcția strcpy copiază un șir de caractere în alt șir, numit destinație. Asemănător, funcția strncpy copiază doar primele n caractere dintr-un șir. Aceste funcții nu adaugă caracterul \0 la finalul șirului.

=== "strcpy"

--8 < --"cppintro/strings/strings05.cpp:strcpy"

=== "strncpy"

--8 < --"cppintro/strings/strings05.cpp:strncpy"

Funcțiile strcat și strncat

Funcția strcat concatenează un șir 'destinatie' cu o copie a unui șir 'sursa'. Concatenarea a două șiruri înseamnă alipirea acestora. Funcția strncat funcționează asemănător, numai că alipește doar primele n caractere ale șirului sursă. Iată un exemplu:

=== "strcat"

--8 < --"cppintro/strings/strings05.cpp:strcat"

=== "strncat"

--8 < --"cppintro/strings/strings05.cpp:strncat"

Funcția strchr și strrchr

Funcțiile strchr și strrchr returnează un pointer la prima apariție, respectiv ultima apariție a unui caracter într-un șir. Mai exact se va afișa șirul de începând cu prima, respectiv ultima apariție a caracterului.

=== "strchr"

--8 < --"cppintro/strings/strings05.cpp:strchr"

=== "strrchr"

--8 < --"cppintro/strings/strings05.cpp:strrchr"

Funcția strcmp

Funcția strcmp este folosită pentru a compara două șiruri de caractere. Aceasta poate returna 3 valori:

• 0 - dacă șirurile sunt exact la fel;
• -1 sau o valoare mai mică decât 0 - dacă primul șir este înaintea celuilalt, alfabetic vorbind;
• 1 sau o valoare mai mare decât 0 - dacă primul șir este după celălalt, alfabetic vorbind.

--8 < --"cppintro/strings/strings05.cpp:strcmp"

Funcția strstr

Această funcție primește două șiruri de caractere, s1 și s2, ca argumente și găsește prima apariție a șirului s2 în șirul s1.

--8 < --"cppintro/strings/strings05.cpp:strstr"

Funcția strtok

Funcția strtok împarte str[] conform delimitatorilor dați și returnează următorul token. Trebuie apelată într-o structură repetitivă pentru a obține toate token-urile.

--8 < --"cppintro/strings/strings05.cpp:strtok"

Tipul de date std::string

Această structură de date este echivalentul std::vector pentru șirurile de caractere, remarcându-se prin faptul că spre deosebire de șirurile de caractere din C, funcția de aflare a lungimii este $\mathcal{O}(1)$, în loc de $\mathcal{O}(n)$. Tipul string este unul din tipurile prezente în STL, foarte multe funcții fiind similare cu cele pe care le putem folosi cu vectori.

Pentru a putea folosi această structură de date, va trebui să includem biblioteca <string>. Se remarcă faptul că există diferențe semnificative față de cum folosim șirurile de caractere din C.

În ceea ce privește citirea, funcția getline va avea o sintaxă un pic diferită, fiind scrisă astfel:

--8 < --"cppintro/strings/strings06.cpp:read"

Sintaxa unui string va fi de tipul string nume;

--8 < --"cppintro/strings/strings06.cpp:idk"

În mod particular, vom putea concatena două șiruri de caractere cu ușurință, folosind operatorul +. Totuși, trebuie să fim atenți cum folosim acest operator, pentru a evita efectuarea prea înceată a operațiilor.

--8 < --"cppintro/strings/strings06.cpp:concat"

Deși în cazul numerelor naturale, aceste operații sunt echivalente, în cazul stringurilor, += și + sunt complet diferite. Prima dintre ele concatenează șirul primit la șirul existent, cea de-a doua copiază cele două șiruri, le unește și apoi atribuie rezultatul șirului. Această diferență devine mai dramatică în situații precum cea de mai jos.

--8 < --"cppintro/strings/strings06.cpp:loops"

Putem folosi și funcții specifice care caută prima sau ultima apariție a unui anumit caracter în șir, precum find sau find_last_of, care au complexitate liniară. Tipul returnat este size_t, dar acesta poate fi folosit și ca int.

--8 < --"cppintro/strings/strings07.cpp"

Concluzii

Caracterele și șirurile de caractere sunt foarte folosite în multe aplicații, fiind des întâlnite în probleme de toate dificultățile, în special la examenele de bacalaureat și admitere, dar și în multe dintre problemele ce se dau la olimpiada de informatică, în clasa a X-a și clasa a VIII-a.

Cunoașterea funcțiilor specifice este esențială deoarece foarte multe întrebări grilă la admitere implică elemente mai dificile din sintaxa lor și orice detaliu minor poate face diferența.

Probleme suplimentare

• Prelucrări elementare pe șiruri de caractere - pbinfo
• Funcții predefinite cu șiruri de caractere - pbinfo
• Probleme diverse - pbinfo
• Probleme cu stringuri de pe kilonova

Resurse suplimentare

• Clasificarea caracterelor - geeksforgeeks
• Operații specifice datelor de tip char - CPPI Sync
• Șiruri de caractere, citire, parcurgeri - CPPI Sync
• Șiruri de caractere C++ - pbinfo
• Stringuri - Infogym
• Siruri de caractere în C++ - infoscience 3x