文字と文字列

文字型

char c;
c = 'a';
printf("%c\n", c);

計算機に文字を記憶するために、「文字コード」と呼ばれる数値が各 文字に対して決められており、メモリ上ではその数値で表現されている。 ASCII(アスキーコード)と呼ばれる文字コードが一般的である。 アスキーコードの数値(16進数)と文字の対応は以下の通り。

     00 NUL   01 SOH   02 STX   03 ETX   04 EOT   05 ENQ   06 ACK   07 BEL
     08 BS    09 HT    0A NL    0B VT    0C NP    0D CR    0E SO    0F SI
     10 DLE   11 DC1   12 DC2   13 DC3   14 DC4   15 NAK   16 SYN   17 ETB
     18 CAN   19 EM    1A SUB   1B ESC   1C FS    1D GS    1E RS    1F US
     20 SP    21  !    22  "    23  #    24  $    25  %    26  &    27  '
     28  (    29  )    2a  *    2b  +    2c  ,    2d  -    2e  .    2f  /
     30  0    31  1    32  2    33  3    34  4    35  5    36  6    37  7
     38  8    39  9    3a  :    3b  ;    3c  <    3d  =    3e  >    3f  ?
     40  @    41  A    42  B    43  C    44  D    45  E    46  F    47  G
     48  H    49  I    4a  J    4b  K    4c  L    4d  M    4e  N    4f  O
     50  P    51  Q    52  R    53  S    54  T    55  U    56  V    57  W
     58  X    59  Y    5a  Z    5b  [    5c  \    5d  ]    5e  ^    5f  _
     60  `    61  a    62  b    63  c    64  d    65  e    66  f    67  g
     68  h    69  i    6a  j    6b  k    6c  l    6d  m    6e  n    6f  o
     70  p    71  q    72  r    73  s    74  t    75  u    76  v    77  w
     78  x    79  y    7a  z    7b  {    7c  |    7d  }    7e  ~    7f DEL

「5C」の部分は、端末によって、「＼」(バックスラッシュ)に見えたり、 「¥」(円) に見えたりする。アメリカのASCIIコードを輸入してJISにするとき、 「$があって円が無いと日本では困るだろう。あんまり使わなそうな 右下がり斜線を円に変えちゃえ！」とでも思った人がいたのだろうか。 馬鹿なことをしたものである。

C言語では文字コードの数値と文字を同一視しており(意図的な混用)、 例えば'A'は数字の65(16進数の41=10進数の65)と同じで、

c = 'A';
c = 65;

• unsigned char は0〜255
• signed char は-128〜127

日本語などの2byte文字の扱いについてはここでは触れない。 というか標準的な手段が無い。

文字列

「CPUにとって面倒な処理はプログラムを書くのが面倒」という C言語の特徴が現れているとも言える。細かいメモリの動的確保が 必要になったり、文字列処理は「意外に」CPUにとっては重い処理である。

さすがに全部手で書くのは大変なので、文字列を扱うための ライブラリが用意されている。 文字列ライブラリを使うには、

#include <string.h>

string-sample.c

#include <stdio.h> #include <string.h> int main(void) { char a[6] = "hello"; /* error */ /* char a[5] = "hello"; */ char b[100] = "world"; char c[100]; int i, len; printf("%s\n", a); printf("%d\n", strlen(b)); len = strlen(a); for (i=0; i<len; i++) { printf("%c\n", a[i]); } strcpy(c, a); printf("%s\n", c); strcat(c, b); printf("%s\n", c); return 0; }

これを実行すると、

hello
5
h
e
l
l
o
hello
helloworld

文字列関係の標準ライブラリを使う上でとても重要なことは、 文字列の終端の扱いである。文字列の長さを管理していないので、 文字列の終りを表すのに、文字コード0の特殊文字を暗黙のうちに 用いている。例えば、文字列"hello"は、内部では

0	1	2	3	4	5
'h'	'e'	'l'	'l'	'o'	0

のように6文字使って表現される。従って、文字列を格納するための 文字配列を用意するときは、必ず「そこに格納される可能性のある文字列の 最大長 +1」の長さの配列を用意しなければならない。

サンプルにあるように、printfの%sを用いて文字列を 表示することが出来る。

strlen

int strlen(char *s) {
    int i = 0;
    while (s[i] != 0) {
        i++;
    }
    return i;
}

strcpy

char * strcpy(char *d, char *s) {
    int i = 0;
    while (s[i] != 0) {
        d[i] = s[i];
        i++;
    }
    d[i] = 0;
    return d; 
}

char * strcpy(char *d, char *s) {
    char *p = d;
    while (*s != 0) {
        *p = *s;
        p++;
        s++;
    }
    *p = 0;
    return d; 
}

char * strcpy(char *d, char *s) {
    char *p = d;
    while (*(p++) = *(s++)) ;
    return d; 
}

d, sは文字型へのポインタであるが、 dの指し示す先には、sをコピーするのに十分な大きさの 領域が存在しなければならない。すなわち、「strlen(s)+1」以上の大きさの 文字配列であるか、mallocでそれ以上の大きさの領域を確保してある 必要がある。

strcat

char * strcat(char *d, char *s) {
    char *p = d;
    while (*p != 0) {
        p++;
    }
    while (*s != 0) {
        *p = *s;
        p++;
        s++;
    }
    *p = 0;
    return d; 
}

strcmp

int strcmp(char *s1, char *s2) {
    while (*s1 == *s2) {
        s1++;
        s2++;
        if (*s1 == 0) return 0;
    }
    return *s1 - *s2;
}

sprintf

char s[100];
sprintf(s, "%d", 3);

sscanf

double d;
sscanf("1.25", "%lf", &d);

その他