Procesarea caracterelor 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, dam 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 ? printf(''ABC'');
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. 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() Singurul mod de a opri acest program este sa apasam CTRL^C. Putem reface acest program folosind constanta EOF. #include main() 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. 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
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 gaseste_urmatorul_cuvant(void) return 0; Exercitii propuse spre implementare 1. Folosind functiile 'getchar()' si 'putchar()', sa se scrie un program C care transforma literele mici in litere mari. Incercati si o varianta de program care foloseste functiile 'islower()' si 'toupper()'. 2. Utilizand functiile 'getchar()' si 'putchar()' creati un program C care sa copie un fisier in alt fisier (comanda voastra proprie de copiere). Utilizati redirectarea ! De asemeni, precizati si cazul cand dorim sa copiem un fisier la sfarsitul unui fisier existent. 3. Scrieti in C un analizor lexical care sa recunoasca cat mai multi atomi lexicali din C. De exemplu, cuvintele rezervate (while, do, for, ), identificatori, operatori (relationali, logici, artimetici, ) si eventual alte structuri. Apoi, tipariti acelasi fisier de intrare cu exceptia spatiilor multiple si a comentariilor. 4. Scrieti un program C care citeste caractere de la tastatura si le scrie la ecran. Scrieti toate vocalele cu litere majuscule si consoanele cu litere mici. Apoi, scrieti un program C care citeste caractere de la tastatura si sterge vocalele din ele (afisand doar consoanele). (Acest mod de scriere era folosit in scrisul hieroglific al Greciei Antice). 5. ('Pretty printing') Scrieti un program C care are la intrare un fisier sursa C si il transforma intr-un program C scris frumos (eventual in stilul Bell Laboratoires).
