ASCII

We współczesnych językach programowania znaki są podstawowym typem danych. W pamięci komputera znak jest przechowywany w postaci liczby, którą nazywamy kodem znaku (ang. character code). Każdy znak posiada swój własny kod. Aby różne urządzenia systemu komputerowego mogły w ten sam sposób interpretować kody znaków, opracowano kilka standardów kodowania liter. Bardzo rozpowszechniony jest standard ASCII:

Przyjrzyjmy się dokładniej kodom ASCII w postaci binarnej:

Podstawowy standard ASCII definiuje kody w zakresie od 0 do 127. Bitowo jest to 7 najmłodszych bitów kodu. Pozostałe kody od 128 do 255 to rozszerzony zestaw ASCII:

Kody ASCII 0-31

W zakresie kodów od 0 do 31 są znaki sterujące (ang. control characters). Spełniają one różne funkcje.

 

0	0	0	x	x	x	x	x
znaki sterujące

Np. kod 13 oznacza przejście do następnej linii, kod 7 to dźwięk dzwonka.

 

// Kody ASCII //----------- #include <iostream> using namespace std; int main() { cout << char(7) << endl; return 0; }

 

Większość z tych kodów (za wyjątkiem 0,7,8,9,10 i 13) produkuje w konsoli znakowej użyteczne znaki:

 

// Kody ASCII //----------- #include <iostream> #include <iomanip> using namespace std; int main() { for(int i = 0; i < 32; i++) { cout << "znak(" << setw(2) << i << ") = "; switch(i) { case 0: cout << "NUL"; break; case 7: cout << "BEL"; break; case 8: cout << "BS"; break; case 9: cout << "HT"; break; case 10: cout << "LF"; break; case 13: cout << "CR"; break; default: cout << char(i); break; } cout << endl; } return 0; }

 

Kody 32-127

W tym zakresie mamy podstawowe znaki pisarskie.  Kod 32 oznacza spację.

 

// Kody ASCII //----------- #include <iostream> #include <iomanip> using namespace std; int main() { for(int i = 0; i < 32; i++) { for(int j = 1; j <= 3; j++) cout << "znak(" << setw(3) << i + 32 * j << ") = " << char(i + 32*j) << " "; cout << endl; } return 0; }

 

Cyfry mają kody od 48 (0) do 57 (9).

 

0	0	1	1	x	x	x	x
cyfry

 

W powyższym kodzie xxxx jest wartością binarną cyfry: 0000 = 0, 0001 = 1, 0010 = 2, ..., 1001 = 9.

 

// Kody ASCII //----------- #include <iostream> using namespace std; int main() { for(int i = 48; i < 58; i++) cout << "znak(" << i << ") = " << char(i) << endl; return 0; }

 

Litery duże mają kody od 65 (A) do 89 (Z). Litery małe mają kody od 97 (a) do 122 (z).

 

0

1

0

x

x

x

x

x

0

1

1

x

x

x

x

x

litery duże

litery małe

 

W powyższych kodach xxxxx oznacza binarny numer litery od 00001 = 1 do 11010 = 26. Zwróć uwagę, że litery małe różnią się od dużych bitem b₅. Oznacza to, że np. kod litery 'a' jest większy o 32 od kodu litery 'A'. Aby z kodu dużej litery otrzymać kod małej, wystarczy ustawić na 1 bit b₅. Podobnie, aby z kodu małej litery otrzymać kod duże, wystarczy wyzerować bit b₅.

 

// Kody ASCII //----------- #include <iostream> #include <iomanip> using namespace std; int main() { for(int i = 1; i < 27; i++) { for(int j = 0; j < 2; j++) cout << "znak(" << setw(3) << i + 64 + 32 * j << ") = " << char(i + 64 + 32 * j) << " "; cout << endl; } return 0; }

 

Kody 128-255

Są to rozszerzone kody ASCII. Ich interpretacja zależy od tzw. strony kodowej, która jest wybrana w systemie. Kody znaków rozszerzonych mogą być traktowane jako liczby ujemne.

 

// Kody ASCII //----------- #include <iostream> using namespace std; int main() { for(int i = 0; i < 32; i++) { for(int j = 0; j < 4; j++) cout << "znak(" << 128+i+j*32 << ") = " << char(128+i+j*32) << " "; cout << endl; } return 0; }

 

W polskich systemach Windows w konsoli znakowej jest zwykle wykorzystywana strona kodowa CP852. Niestety, sam system Windows wykorzystuje standard Windows 1250, w którym polskie literki posiadają inne kody niż ich odpowiedniki w konsoli znakowej.

 

	Ą	Ć	Ę	Ł	Ń	Ó	Ś	Ź	Ż	ą	ć	ę	ł	ń	ó	ś	ź	ż
Windows 1250	165	198	202	163	209	211	140	143	175	185	230	234	179	241	243	156	159	191
CP852	164	143	168	157	227	224	151	141	189	165	134	169	136	228	162	152	171	190
ósemkowo	244	217	250	235	343	340	227	215	275	245	206	251	210	344	242	230	253	276

 

Konsekwencją tego faktu jest to, że program napisany w edytorze pracującym w Windows nie będzie poprawnie wyświetlał polskich znaków (tablica znakowa s zawiera kody polskich znaków Windows 1250):

 

// Kody ASCII //----------- #include <iostream> using namespace std; int main() { unsigned char s[] = "ĄĆĘŁŃÓŚŹŻąćęłńóśźż*"; cout << "Windows 1250" << endl << endl; for(int i = 0; s[i] != '*'; i++) cout << s[i] << " : " << (int) s[i] << endl; return 0; }

 

Należy dokonać odpowiedniej konwersji (tablica znakowa t zawiera poprawne kody polskich znaków dla konsoli CP852):

 

// Kody ASCII //----------- #include <iostream> using namespace std; int main() { unsigned char s[] = "ĄĆĘŁŃÓŚŹŻąćęłńóśźż*"; unsigned char t[] = {164,143,168,157,227,224,151,141,189, 165,134,169,136,228,162,152,171,190}; cout << "Windows 1250" << endl << endl; for(int i = 0; s[i] != '*'; i++) cout << t[i] << " : " << (int) s[i] << endl; return 0; }

 

Problemy te znikają, jeśli zrezygnujemy z polskich znaków w trybie konsoli lub będziemy tworzyć tylko aplikacje dla GUI w Windows. Należy wspomnieć, że w systemie Linux nie występuje ten problem, ponieważ kodowanie polskich znaków jest jednolite w całym systemie (ale z kolei jest to jeszcze inna strona kodowa – ISO-8859-2, która jest standardem ogólnoświatowym). Jak widać, polscy programiści lekko nie mają.

Teksty możemy przechowywać w tablicach znakowych:

// Łańcuchy znakowe //----------------- #include <iostream> #include <iomanip> using namespace std; int main() { char s[] = "Pewien tekst"; // inicjujemy tablicę int i; cout << s << endl << endl; // wyświetlamy zawartość tablicy i = 0; // indeks pierwszego znaku w tablicy s do { cout << "s[" << setw(2) << i << "] = \"" << s[i] << "\" kod " << setw(3) << (int) s[i] << endl; } while(s[i++]); // pętlę kończymy po osiągnięciu kodu NUL cout << endl; return 0; }

Zwróć uwagę, że przy inicjalizacji tablicy:

char s[] = "...";

automatycznie zostaje wstawiony na koniec znak NUL. Tablica przyjmuje taki rozmiar, aby pomieścić wszystkie znaki tekstu wraz ze znakiem NUL.

Tekst można odczytać z konsoli do tablicy znakowej za pomocą strumienia cin. Jednakże należy się przy tym zatroszczyć, aby tablica miała odpowiednio duży rozmiar. Prosty odczyt ze strumienia cin zwraca jeden wyraz, ponieważ spacja jest traktowana jako separator.

// Łańcuchy znakowe //----------------- #include <iostream> using namespace std; int main() { char n[100]; // Odpowiednio duża tablica znakowa cout << "Podaj swoje Imi\251 : "; cin >> n; cout << endl << "Witaj, " << n << endl << "Ja jestem C++" << endl; return 0; }

Pracując w konsoli, możesz bez problemu wprowadzać polskie znaki. Musisz jedynie pamiętać, iż posiadają one kody CP852, a nie Windows 1250. Będzie to miało znaczenie przy porównywaniu znaków.

Jeśli chcesz odczytać cały wiersz znaków, to musisz skorzystać z funkcji składowej strumienia cin o nazwie getline(). Funkcja ta posiada następujące parametry:

// Łańcuchy znakowe //----------------------------------- #include <iostream> using namespace std; int main() { char n[100],a[100],c[100]; cout << "Podaj kolejno:" << endl << endl; cout << "Imi\251 i nazwisko : "; cin.getline(n,100); cout << "Adres zamieszkania : "; cin.getline(a,100); cout << "Kraj urodzenia : "; cin.getline(c,100); cout << endl << "Nazywasz si\251 " << n << "." << endl << "Mieszkasz na ulicy " << a << "." << endl << "Kraj twoich narodzin to " << c << "." << endl; return 0; }

Problem może pojawić się, jeśli czytasz naprzemiennie z cin oraz z cin.getline(). Sprawdź poniższy program. Odczytuje on najpierw liczbę z cin. Następnie czyta wiersz znaków za pomocą funkcji getline(). I na koniec ponownie czyta liczbę z cin.

// Łańcuchy znakowe //----------------- #include <iostream> using namespace std; int main() { char s[100]; int a,b; cout << "Liczba : "; cin >> a; cout << "Wiersz : "; cin.getline(s,100); cout << "Liczba : "; cin >> b; cout << a << endl << s << endl << b << endl; return 0; }

Co tutaj się stało? Gdy wprowadziłeś pierwszą liczbę (u mnie 20), to komputer nie zaczekał na wprowadzenie wiersza, lecz od razu przeszedł do odczytu drugiej liczby. Dlaczego? Otóż strumień cin po odczycie pierwszej liczby pozostawił w sobie znak końca wiersza '\n'. Gdy teraz wywołaliśmy funkcję getline(), to natrafiła ona od razu na ten znak i zakończyła odczyt. W efekcie użytkownik nie miał szansy wprowadzić swojego tekstu. Funkcja getline() usunęła ze strumienia znak '\n', a program przeszedł do odczytu drugiej liczby.

Jak rozwiązać ten problem? Musimy użyć funkcji ignore(), która pobiera ze strumienia cin zadaną liczbę znaków, aż do napotkania znaku ograniczającego:

// Łańcuchy znakowe //----------------- #include <iostream> using namespace std; int main() { char s[100]; int a,b; cout << "Liczba : "; cin >> a; // czytamy pierwszą liczbę cin.ignore(1000,'\n'); // ze strumienia usuwamy znak EOL cout << "Wiersz : "; cin.getline(s,100); // czytamy wiersz cout << "Liczba : "; cin >> b; // czytamy drugą liczbę cout << a << endl // pierwsza liczba << s << endl // wiersz << b << endl; // druga liczba return 0; }

Ze strumienia cin możemy również pobierać pojedyncze znaki oraz ich ciągi za pomocą funkcji get():

kod = cin.get();   // zwraca kod ASCII znaku

cin.get(c);        // umieszcza znak w zmiennej znakowej c

cin.get(s,n);      // odczytuje n-1 znaków do tablicy znakowej s, dodając na końcu NUL

cin.get(s,n,d);    // jak wyżej, lecz do napotkania znaku ograniczającego d

// Łańcuchy znakowe //----------------- #include <iostream> #include <iomanip> using namespace std; int main() { int code; cout << "Wpisz wiersz : "; while((code = cin.get()) != '\n') cout << (char) code << " = " << setw(3) << code << endl; return 0; }

char c;           // kody rozszerzone ASCII -1...-128

unsigned char c;  // kody rozszerzone ASCII 128...256

Tekst jest utworzony z ciągu znaków zakończonych kodem NUL.

Tablica znakowa:

char s[liczba_znaków + 1];

unsigned char s[liczba_znaków + 1;

Inicjalizacja tablicy znakowej tekstem (znak NUL jest automatycznie dołączany na koniec tekstu, a tablica przyjmuje odpowiedni rozmiar):

char s[] = "dowolny tekst";

unsigned char s[] = "dowolny tekst";

Zapis do strumienia cout:

cout << (int) c;                // kod znaku

cout << (int)(unsigned char) c; // kod znaku rozszerzonego ASCII

cout << (char) kod;             // znak o danym kodzie

cout << s;                      // zapis tablicy znakowej

Odczyt ze strumienia cin:

cin >> s;           // odczyt wyrazu, spacja i /n są znakami rozdzielającymi

kod = cin.get();    // kod znaku ze strumienia

cin.get(c);         // znak ze strumienia

cin.get(s,n);       // odczyt n znaków ze strumienia do tablicy s

cin.get(s,n,d);     // odczyt do n znaków do tablicy s, aż do napotkania znaku d

cin.getline(s,n);   // odczyt do n znaków do tablicy s, aż do napotkania \n

cin.getline(s,n,d); // odczyt do n znaków do tablicy s, aż do napotkania znaku d

cin.ignore(n,d);    // usuwa ze strumienie do n znaków aż do napotkania znaku d, który również usuwa

1. Napisz funkcje:
   bool IsDigit(char c);  - zwraca true, jeśli znak c jest cyfrą 0...9
bool IsXDigit(char c); - zwraca true, jeśli znak c jest cyfrą szesnastkową
bool IsAlpha(char c);  - zwraca true, jeśli znak c jest literą, również polską CP852
bool IsLower(char c);  - zwraca true, jeśli znak c jest małą literą, również polską CP852
bool IsUpper(char c);  - zwraca true, jeśli znak c jest dużą literą, również polską CP852
2. Powyższe funkcje wykorzystaj do rozbioru wiersza na znaki cyfr, liter dużych i małych.
3. Napisz funkcje:
   char ToCP852(char c);  - zamienia znak w standardzie Windows 1250 na znak w standardzie CP852
char To1250(char c);   - zamienia znak w standardzie CP852 na znak w standardzie Windows 1250
char * StrToLower(char * s);  - zamienia w tablicy s litery duże na małe, w tym również polskie znaki CP852
char * StrToUpper(char * s);  - zamienia w tablicy s litery małe na duże, w tym również polskie znaki CP852
char * StrToCP852(char * s);  - zamienia w tablicy s znaki w standardzie Windows 1250 na CP852
char * StrTo1250(char * s);   - zamienia w tablicy s znaki w standardzie CP852 na Windows 1250
4. Wykorzystaj powyższe funkcje w prostym programie, który odczytuje wiersz znaków, zamienia go na małe litery, wyświetla, zamienia na duże litery i ponownie wyświetla. W programie wypisuj wszystkie teksty po polsku.