Екранування символів

1. Чому виникла потреба в екрануванні символів?

Колись давно ви дізналися, що для того щоб записати в коді рядок символів, потрібно взяти цей рядок у подвійні лапки: це буде рядковий літерал.

А що робити, коли потрібно написати рядковий літерал з лапками всередині? Рядок, який містить лапки, — що може бути простішим?

Припустімо, ми хочемо вивести текст Фільм "Друзі" номіновано на "Оскар". Як це зробити?

String s = "Фільм "Друзі" номіновано на "Оскар"";

Річ у тім, що на думку компілятора тут записано зовсім інший код:

String s = "Фільм "Друзі" номіновано на "Оскар"";

Коли компілятор зустріне подвійні лапки в коді, він вважатиме їх початком рядкового літерала, а наступні подвійні лапки — закінченням цього рядкового літерала.

То як же записати подвійні лапки всередині літерала?

2. Екранування символів

Спосіб є — він має назву екранування символів. Потрібно просто додати перед лапками всередині рядка тексту символ \ (обернена скісна риска, або обернений слеш, або бекслеш, від англ. backslash).

Отакий вигляд має правильно записаний рядковий літерал:

String s = "Фільм \"Друзі\" номіновано на \"Оскар\"";

Компілятор усе зрозуміє правильно й не вважатиме лапки після оберненої скісної риски звичайними лапками.

До того ж, якщо потрібно вивести цей рядок на екран, лапки з оберненою скісною рискою будуть оброблені правильно, і на екран буде виведено напис без обернених скісних рисок: Фільм "Друзі" номіновано на "Оскар"

Ще один важливий момент. Лапки з оберненою скісною рискою перед ними — це один символ: ми просто користуємося таким хитрим способом запису, щоб компілятор міг правильно розпізнати рядкові літерали в коді. Лапки можна присвоїти змінній char:

char c = '\"';

char c = '"';

3. Типові ситуації під час екранування символів

Крім подвійних лапок, є ще багато символів, які компілятор обробляє в особливий спосіб. Наприклад, переведення рядка.

Як додати в літерал переведення рядка? Для цього теж є спеціальна комбінація:

\n

Якщо ви хочете вставити в рядковий літерал переведення рядка, потрібно просто додати пару символів — \n.

Приклад:

System.out.println("З повагою\nАнонім");

З повагою
Анонім

Загалом таких комбінацій 8: їх також називають escape-послідовностями. От їх перелік:

З двома з них ви вже познайомилися, а що означають інші 6?

Символ табуляції — \t

Цей символ у тексті еквівалентний натисненню на клавіатурі клавіші Tab під час набору тексту. Він зсуває текст, який іде після нього, для вирівнювання.

Приклад:

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

Повернення на один символ назад — \b

Цей символ у тексті еквівалентний натисненню на клавіатурі клавіші Backspace під час набору тексту. Він видаляє останній виведений перед ним символ:

System.out.println("Привіт\b\b світе!");

Прив світе!

Символ повернення каретки — \r

Цей символ переводить курсор на початок поточного рядка, не змінюючи текст. Текст, який буде виведено, зітре той, що є на екрані.

Приклад:

System.out.println("Привіт тобі\rсвіте!");

світе! тобі

Символ прогону сторінки — \f

Цей символ дійшов до нас з епохи перших матричних принтерів. Якщо відправити такий символ на друк, то принтер просто проганяє поточну сторінку до кінця, не друкуючи тексту, і встановлює каретку на початок нової сторінки.

Тепер ми назвали б цю дію «розрив сторінки» або «нова сторінка».

Обернений слеш – \\

Ну а тут взагалі все просто. Якщо ми використовуємо обернену скісну риску (обернений слеш) в тексті, щоб екранувати символи, то як тоді записати в текстовому рядку символ скісної риски?

Все просто: щоб додати в текст символ оберненої скісної риски, його потрібно написати двічі.

Приклад:

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

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

4. Кодування Unicode

Як ви вже знаєте, кожному символу, що відображається на екрані, відповідає певний числовий код. Стандартизований набір таких кодів називають кодуванням.

У давні часи, коли комп'ютери тільки-но винайшли, для кодування всіх символів було достатньо семи бітів (менше одного байта) — перша таблиця кодування містила лише 128 символів. Це кодування має назву ASCII.

ASCII (англ. American Standard Code for Information Interchange) — американська стандартна таблиця кодування друкованих символів і деяких спеціальних кодів.

Вона містила 33 недруковані керівні символи (що впливають на обробку тексту й пробілів) і 95 друкованих символів: цифри, малі та великі літери латинського алфавіту й розділові знаки.

Внаслідок зростання популярності комп'ютерів кожна країна почала створювати своє кодування. Зазвичай за основу брали кодування ASCII і замінювали рідко використовувані символи на символи національних алфавітів.

З часом з'явилася ідея створити єдине кодування, яке б містило всі символи всіх світових кодувань.

У 1993 році було створено кодування Unicode, і мова Java була першою мовою програмування, що почала використовувати його як стандарт зберігання тексту. Тепер Unicode — це стандарт усієї ІТ-індустрії.

Unicode є основним стандартом, але він має кілька форм подання (Unicode transformation format, UTF): UTF-8, UTF-16 і UTF-32 та інші.

У Java використовується розширений варіант кодування Unicode — UTF-16, де кожен символ кодується 16 бітами (2 байтами). Ця таблиця здатна вмістити до 65 536 символів!

У цьому кодуванні можна знайти майже всі символи всіх алфавітів світу. Але напам'ять її, природно, ніхто не знає: не можна знати все, але все можна нагуглити.

Щоб записати в коді програми символ у форматі Unicode, потрібно написати \u + шістнадцятковий код. Наприклад, \u00A9

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

© JavaRush

5. Unicode: codepoint

640 кілобайт вистачить усім! Або ні. (Цей вислів приписують Біллу Гейтсу).

Життя — сувора штука, і кодування UTF-16 з часом стало не вистачати. Раптом з'ясувалося, що в Азії є ціла купа мов, а в цих мовах є ціла купа найрізноманітніших літер та ієрогліфів. І всі ці літери та ієрогліфи жодним чином неможливо втиснути у 2 байти.

І що ж робити? Використовувати більше байтів!

Однак тип char має лише 2 байти, і змінити його розмір на 4 байти не так просто: у світі написано мільярди рядків коду мовою Java, які працюватимуть неправильно, якщо зненацька тип char в Java-машині збільшиться до 4 байтів. Отже, змінювати тип char не можна!

Натомість є інший спосіб. Згадайте, як ми екранували символи за допомогою префікса у вигляді скісної риски. Ми, по суті, кодували один символ за допомогою декількох символів.

Розробники Java вирішили використати такий самий підхід.

Деякі символи, що візуально виглядають як один символ, у рядку кодуються двома char'ами:

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

🔊

Тепер ваша програма на Java зможе виводити в консоль навіть смайлики 😎