Capitolul 5
Procesarea caracterelor
5.1 Tipul de data "char"
Este unul dintre tipurile fundamentale din limbajul C. Constantele si variabilele
de acest tip sunt folosite pentru reprezentarea caracterelor. Fiecare caracter
este memorat pe 1 byte (octet), care (in general) este compus din 8 biti.
Un octet compus din 8 biti poate pastra 2^8=256 valori distincte.
Cand memoram un caracter intr-un octet, continutul acestuia poate fi gandit
ca un caracter sau un intreg mic (intre 0 si 255). Desi putem memora 256 valori
distincte, doar o parte din ele sunt tiparibile (litere mici, mari, cifre,
semne de punctuatie, spatiu, tab, caractere speciale +, *, %). Exemple de
caractere netiparibile: newline, bell.
O constanta caracter se scrie intre apostroafe, cum ar fi: 'a', 'b'. O declaratie
obisnuita a unei variabile de tip caracter este:
char c;
Variabilele caracter se pot initializa astfel:
char c1 = 'A', c2 = '*';
Un caracter este pastrat in memorie pe un octet dupa o codificare specifica.
Multe masini folosesc codurile de caractere ASCII sau EBCDIC. Ne vom referi
numai la codul ASCII. Astfel, vom preciza constanta caracter si valoarea corespunzatoare
a sa:
- de la 2^5+2^4 pana la 57, in ordine: '0', '1', ..., '9'
- de la 2^6+2^0 pana la 90, in ordine: 'A', 'B', ..., 'Z'
- de la 2^6+2^5+2^0 pana la 112, in ordine: 'a', 'b', ..., 'z'
De exemplu, se observa ca pentru a obtine litere mici din cele mari, schimbam
doar un bit. Astfel, caracterul 'A' are codul 65 care inseamna numarul 01000001
in baza 2, iar caracterul 'a' are codul 01100001. Se observa ca difera doar
bitul cu numarul 3.
Exemple:
In functiile "printf()" si "scanf()", pentru formatul
caracter se foloseste %c.
- printf("%c", 'a'); va tipari a
- printf("%c%c%c", 'A', 'B', 'C'); va tipari ABC
- printf("%d", 'a'); va tipari 97
- printf("%c", 97); va tipari a
Anumite caractere netiparibile necesita "secvente escape" (\ reprezinta
caracterul escape). In acest sens, cream un tabel:
Numele caracterului |
Modul de scriere |
Valoarea intreaga |
alert |
\a |
7 |
backslash |
\\ |
92 |
backspace |
\b |
8 |
carriage return |
\r |
13 |
ghilimea |
\" |
34 |
formfeed |
\f |
12 |
tab orizontal |
\t |
9 |
newline |
\n |
10 |
caracterul nul |
\0 |
0 |
apostrof |
\' |
39 |
tab vertical |
\v |
11 |
Exemple: Ce va fi afisat in cazul urmatoarelor instructiuni
?
1. printf("\"ABC\"");
2. printf("'ABC'");
Un alt mod de a scrie o constanta caracter este folosind una, doua sau trei
cifre octale ca secvente escape, cum ar fi '\007'. Acest '\007' este de fapt
caracterul "alert" (sau clopotel). El mai poate fi scris '\07' sau
'\7' sau \a.
5.2 Utilizarea lui "getchar()" si "putchar()"
Aceste functii sunt folosite pentru citirea si scrierea caracterelor si sunt
definite in . Astfel pentru citirea unui caracter de la tastatura se foloseste
"getchar()", iar pentru scrierea unui caracter pe ecran "putchar()".
Bineinteles ca daca dorim sa afisam un sir de caractere mai mare, este mai
elegant cu functia "printf()".
Exemplu:
Urmatorul program citeste un caracter din intrare (tastatura) si il atribuie
unei varibile de tip char, apoi il afiseaza pe ecran.
#include
main()
{
char c;
while (1)
{
c=getchar();
putchar(c);
}
}
Singurul mod de a opri acest program este sa apasam CTRL^C. Putem reface acest
program folosind constanta EOF.
#include
main()
{
int c;
while ((c = getchar()) != EOF)
{
putchar(c);
}
}
Comentarii:
1. In biblioteca , exista o linie in care se declara #define EOF (-1).
Denumirea lui EOF provine de la "end-of-file".
2. Variabila c trebuie sa fie declarata de tip int si nu de tip char. Am vazut
ca sfarsitul unui fisier este codificat cu -1, si nu cu un caracter.
3. Subexpresia c=getchar()
citeste o valoare de la tastatura si o asigneaza variabilei c.
5.3 Biblioteca
Sistemul C pune la dispozitie fisierul header care contine o multime de macro-uri
(definitii) folosite pentru testarea
caracterelor si o multime de prototipuri de functii ce sunt folosite pentru
conversia caracterelor.
In tabelul de mai jos prezentam o lista de macro-uri folosite la testarea
caracterelor. Aceste macro-uri iau ca argument o variabila de tip int si returneaza
o valoare de tip int (zero=false, diferit de zero=true).
Macro |
Se returneaza true (diferit
de zero) daca |
isalpha(c) |
c este litera |
isupper(c) |
c este litera majuscula |
islower(c) |
c este litera mica |
isdigit(c) |
c este cifra |
isalnum(c) |
c este litera sau cifra |
isxdigit(c) |
c este cifra hexazecimala |
isspace(c) |
c este caracter spatiu |
ispunct(c) |
c este semn de punctuatie |
isprint(c) |
c este caracter tiparibil |
isgraph(c) |
c este tiparibil, dar diferit de spatiu |
iscntrl(c) |
c este caracter de control |
isascii(c) c |
este cod ASCII |
In tabelul urmator, vom scrie functiile "toupper()" si "tolower()",
care sunt din biblioteca standard si macro-ul "toascii()". Macro-ul
si prototipurile pentru cele doua functii sunt in . Acestea au ca argument
o variabila de tip int si returneaza tipul int.
- toupper(c) schimba c din litera mica in majuscula
- tolower(c) schimba c din majuscula in litera mica
- toascii(c) schimba c cu codul ASCII
5.4 Un exemplu (util): Numararea cuvintelor
Vrem sa numaram cate cuvinte sunt introduse de la tastatura. Ele sunt separate
prin spatiu. Pentru scrierea programului vom utiliza tot strategia "top-down".
#include
#include
main()
{
int numar_cuvinte = 0;
int gaseste_urmatorul_cuvant(void);
while (gaseste_urmatorul_cuvant() == 1)
++ numar_cuvinte;
printf("Numarul de cuvinte = %d\n\n", numar_cuvinte);
}
int gaseste_urmatorul_cuvant(void)
{
int c;
while (isspace(c = getchar()))
; /* sarim peste spatii */
if (c != EOF)
{
while ((c = getchar()) != EOF && !isspace(c))
; /* sarim peste orice diferit de EOF si spatii */
if (c != EOF) return 1;
else return 0;
}
return 0;
}
 |
 |
 |