Menekülő karakterek

1. A karakterek elkerülésének okai

Egyszer régen megtanultad, hogy ahhoz, hogy egy karaktersorozatot kódban írhass, idézőjelbe kell tenni őket. Az eredmény egy karakterlánc literál .

De mit tegyünk, ha egy karakterlánc-literálon belül idézőjelekre van szükségünk? Egy idézőjeleket tartalmazó karakterlánc – mi lehetne könnyebb?

Tegyük fel, hogy meg akarjuk jeleníteni a szöveget "Friends" was nominated for an "Oscar". Hogyan csinálod, hogy?

String s = ""Friends" was nominated for an "Oscar"";

A probléma az, hogy a fordító úgy gondolja, hogy teljesen váratlan kódot írsz:

String s = ""Friends" was nominated for an "Oscar"";

Miután a fordító kettős idézőjelekkel találkozik a kódban, a következőt egy karakterlánc-literál kezdeteként kezeli. A következő dupla idézőjel a string literál végét jelzi.

Tehát hogyan írhat dupla idézőjeleket a literálba?

2. Menekülő karakterek

Van rá mód. Ezt menekülő karaktereknek hívják . Csak írja be az idézőjeleket a szövegbe. Az idézőjelek elé pedig hozzáadja a \( fordított perjel ) szimbólumot.

Így néz ki a karakterlánc-literál helyesen írva:

String s = "\"Friends\" was nominated for an \"Oscar\"";

A fordító mindent helyesen értelmez, és a fordított perjel utáni idézőjelet nem tekinti normál idézőjelnek.

Sőt, ha ezt a karakterláncot kiadja a képernyőre, akkor a fordított perjelekkel ellátott idézetek helyesen lesznek feldolgozva, és a szöveg fordított perjel nélkül jelenik meg:"Friends" was nominated for an "Oscar"

Egy másik fontos szempont. A fordított perjel előtti idézőjel egyetlen karaktert jelöl: egyszerűen olyan sima jelölést használunk, amely nem zavarja a fordító azon képességét, hogy felismerje a karakterlánc-literálokat a kódunkban. Egy változóhoz idézőjeleket rendelhet char:

char c = '\"';

char c = '"';

3. Gyakori helyzetek, amelyek karakterek menekülésekor fordulnak elő

A dupla idézőjeleken kívül sok más karakter is található, amelyeket a fordító speciális módon kezel. Például egy sortörés.

Hogyan adjunk sortörést a literálhoz? Erre is van egy speciális kombináció:

\n

Ha sortörést kell hozzáadnia egy string literálhoz, csak néhány karaktert kell hozzáadnia: \n.

Példa:

System.out.println("Best regards, \n Anonymous");

Best regards,
Anonymous

Összesen 8 ilyen speciális kombináció létezik, amelyeket escape szekvenciáknak is neveznek . Itt vannak:

Kettőt ismersz, de mit jelent a másik 6?

\tegy tabulátor karakter

Ha ez a szöveg megjelenik a szövegben, az egyenértékű a Tabbillentyű lenyomásával gépelés közben. Eltolja az utána következő szöveget, és lehetővé teszi a szöveg igazítását.

Példa:

System.out.println("0\t1\t2\t3");
System.out.println("0\t10\t20\t30");
System.out.println("0\t100\t200\t300");

0       1        2        3
0       10       20       30
0       100      200      300

\bazt jelenti, hogy "egy karakterrel visszafelé"

Ez a sorozat egy karakterláncban megegyezik Backspacea billentyűzet billentyűjének megnyomásával. Eltávolítja az előtte lévő karaktert:

System.out.println("Hello\b\b World");

Hell World!

\ra kocsivissza karakter

Ez a karakter a szöveg megváltoztatása nélkül mozgatja a kurzort az aktuális sor elejére. Bármi is látható ezután, felülírja a meglévő karakterláncot.

Példa:

System.out.println("Greetings\r World!");

World!

\fegy oldalfeed karakter

Ez a szimbólum az első mátrixnyomtatók idejéből származik. Ha ezt a sorozatot kiadja a nyomtatóra, a nyomtató egyszerűen kiadja az aktuális lapot anélkül, hogy bármilyen szöveget nyomtatna, amíg egy új oldal el nem kezd.

Most oldaltörésnek vagy új oldalnak neveznénk .

\\egy fordított perjel

Itt minden egyértelmű. Ha fordított törtvonalat használunk a karakterek kikerülésére a szövegben, akkor hogyan írjuk be magát a fordított perjelet a karakterláncba?

Egyszerű: adj hozzá egy fordított perjelet a szöveghez – kettőt kell egymás után írnod.

Példa:

System.out.println("c:\projects\my\first");

System.out.println("c:\\projects\\my\\first");

4. Unicode kódolás

Mint már tudja, a képernyőn megjelenő minden karakter egy adott számkódnak felel meg. Ezeknek a kódoknak a szabványosított halmazát kódolásnak nevezzük .

Egyszer régen, amikor a számítógépeket újonnan feltalálták, hét bit (egy bájtnál kevesebb) elég volt minden karakter kódolásához. Az első kódolás mindössze 128 karaktert tartalmazott. Ezt a kódolást ASCII-nek hívták .

Az ASCII az American Standard Code for Information Interchange rövidítése – egy szabványos amerikai kódtábla nyomtatható karakterekhez és néhány speciális kódhoz.

33 nem nyomtatható vezérlőkarakterből (amelyek a szöveg és a szóközök feldolgozását befolyásolják) és 95 nyomtatható karakterből áll, beleértve a számokat, a kis- és nagybetűket, valamint számos írásjelet.

A számítógépek népszerűségének növekedésével minden ország elkezdte kiadni saját kódolását. Általában az ASCII-t vették kiindulópontnak, és a ritkán használt ASCII-karaktereket a megfelelő ábécéjükből származó szimbólumokkal helyettesítették.

Idővel felmerült egy ötlet: hozzon létre egyetlen kódolást, amely tartalmazza a világ összes kódolásának összes karakterét.

Így 1993-ban létrehozták az Unicode kódolást, és a Java nyelv lett az első olyan programozási nyelv, amely ezt a kódolást használta szabványként a szöveg tárolására. Most az Unicode a szabvány az egész IT-ipar számára.

Bár maga az Unicode a szabvány, számos ábrázolása vagy Unicode transzformációs formátuma (UTF) van: UTF-8, UTF-16 és UTF-32 stb.

A Java a Unicode kódolás fejlett verzióját használja – UTF-16: minden karakter 16 bites (2 bájt) kódolású. Legfeljebb 65 536 karakter fér el benne!

Ebben a kódolásban a világ összes ábécéjének szinte minden karaktere megtalálható. Természetesen senki sem jegyezte meg az egészet. Nem tudhatsz mindent, de a google-ban mindent tudsz.

Ha Unicode karaktert szeretne írni a programjába a kódjával, akkor \u+ a kódot hexadecimálisan kell írnia . Például,\u00A9

System.out.println("\u00A9 CodeGym");

© CodeGym

5. Unicode: kódpont

"640 kilobájtnak mindenkinek elégnek kell lennie! Vagy nem." (Idézet Bill Gatesnek tulajdonítva)

Az élet durva, és idővel az UTF-16 kódolás kezdett nem megfelelő. Kiderült, hogy nagyon sok ázsiai nyelv létezik, és sok karakterjelük van. És mindezek a jelek egyszerűen nem zsúfolhatók 2 bájtba.

Mit lehet tenni? Használj több bájtot !

De a char típus csak 2 bájtos, és 4-re cserélni nem is olyan egyszerű: Java kódsorok milliárdjait írtak már szerte a világon, ami eltörne, ha a char típusból hirtelen 4 bájtos Java gép lesz. Tehát a karakter típusát nem tudjuk megváltoztatni!

Van egy másik megközelítés is. Ne feledje, hogyan menekülhetünk meg a karakterek elől úgy, hogy egy fordított perjelet teszünk eléjük. Alapvetően egyetlen karaktert kódoltunk több karakter használatával.

A Java készítői ugyanezt a megközelítést választották.

Egyes karakterek, amelyek vizuálisan egyetlen karakterként jelennek meg, két chars-ként vannak kódolva egy karakterláncban:

System.out.println("\uD83D\uDD0A");

🔊

Mostantól a Java program akár hangulatjeleket is kiadhat a konzolra 😎