Řetězec ukončený nulou

Řetězec zakončený nulou nebo C-řetězec (z názvu jazyka C ) nebo ASCIIZ-řetězec je způsob reprezentace řetězců v programovacích jazycích, ve kterém se místo zavedení speciálního typu řetězce používá pole znaků a první speciální znak null (NUL z kódu ASCII s hodnotou 0).

Popis

Například v řetězcové vyrovnávací paměti (paměťová oblast alokovaná pro ukládání řetězce) o velikosti 11 bajtů může být řetězec zakončený nulou „STRING“ v kódování Windows-1251 reprezentován následovně:

V tomto příkladu je znázorněna paměťová oblast 11 bajtů, i když ve skutečnosti řádek zabírá pouze 7. Znaky za nulovým znakem (8 - 11 bajtů) se nazývají odpadky - to jsou data, která mohla zůstat ve vyrovnávací paměti z předchozích řádků nebo z jiného využití paměti. Mohou také obsahovat prázdné znaky.

Při použití jednobajtových kódování ( ASCII ) je množství paměti potřebné k reprezentaci řetězce N znaků N + 1 bajtů. Když se ke kódování znaků používá Unicode , délka řetězce závisí na použité reprezentaci Unicode (například 2N + 2 bajty pro UCS-2 ).

Takové řetězce jsou standardní v C a některých dalších programovacích jazycích. Protože se v mnoha operačních systémech používají k předávání řetězcových argumentů standardním funkcím , objevily se v Pascalu a dalších jazycích operace pro práci s řetězci ukončenými nulou.

K odkazování na řetězec ukončený nulou se používá ukazatel na jeho první znak. Jedná se o jednoduchý, rychlý a flexibilní přístup, ale náchylný k chybám [1] [2] . Programátor musí neustále sledovat svůj kód, a to:

• ujistěte se, že nedochází k přetečení vyrovnávací paměti ;
• pečlivě spravovat paměť alokovanou pro řetězce;
• sledovat správné null zakončení řetězců při použití funkcí, které to nezaručují (například strncpy );
• ve vzácných případech, kdy může být velikost řetězce velmi velká, se ujistěte, že při výpočtu délky a dalších výpočtech souvisejících s délkou nedojde k přetečení celého čísla .

Také některé operace s řetězci, jako je zřetězení , jsou pro řetězce ukončené nulou pomalejší než pro jiné typy řetězců.

Srovnání s alternativami

Alternativou k řetězcům ukončeným nulou jsou metody přijaté v Pascalu a moderních jazycích OOP. V Pascalu začíná řetězec na prvním prvku pole a délka řetězce je uložena v prvku null. V tomto případě není potřeba žádný speciální terminátor pro označení konce řádku. Na druhou stranu je zde délka řetězce omezena kapacitou nulového prvku pole, to znamená, že v případě jednobajtových prvků nesmí délka řetězce přesáhnout 255 znaků. Řetězce zakončené nulou nepodléhají tomuto omezení a teoreticky mohou ukládat řetězce libovolné délky. Objektově orientované jazyky ukládají záznam s délkou řetězce a odkazem (nebo ukazatelem) na pole znaků. Tyto metody netrpí nevýhodou řetězců zakončených nulou: mohou ukládat nulové znaky bez zkreslení a speciálního kódování.

Řada rozhraní používá řetězce zakončené dvojitou nulou, jejichž koncovým znakem jsou dva po sobě jdoucí nulové konce [3] .

V jazyce C

Pro práci s řetězci ukončenými nulou používá programovací jazyk C řadu funkcí :

• strcpy , wcscpy  - kopírování řetězců;
• strlen , wcslen  - výpočet délky řetězce;
• strchr  - hledání znaku v řetězci;
• strdup  - duplikace řetězce;
• strstr  - hledání podřetězce;
• strtok  - rozdělení řetězce pomocí oddělovačů na podřetězce;
• strbrk  - najde první výskyt v řetězci jednoho ze znaků v jiném řetězci.

V jazyce symbolických instrukcí

Některé varianty jazyka symbolických instrukcí používají speciální direktivu k definování řetězců zakončených NUL. Takže v GNU Assembler existuje směrnice .asciz[4] [5] pro toto .

Viz také

• typ řetězce

Poznámky

1. ↑ Joel on Software - Zpět na základy (odkaz není k dispozici) . Získáno 17. září 2016. Archivováno z originálu 25. září 2016. (neurčitý) 
2. ↑ Nejdražší jednobajtová chyba – fronta ACM . Získáno 17. září 2016. Archivováno z originálu 19. září 2016. (neurčitý)
3. ↑ Jaký je formát řetězce zakončeného dvojitou nulou bez řetězců? Archivováno 13. února 2019 na Wayback Machine / MSDN, 2009
4. ↑ Použití GNU assembleru jako.: Montážní směrnice . Získáno 17. září 2016. Archivováno z originálu 17. září 2016. (neurčitý)
5. ↑ Archivovaná kopie . Získáno 17. září 2016. Archivováno z originálu 17. září 2016. (neurčitý)

Literatura

• Poul-Henning Kamp, nejdražší jednobajtová chyba. Zvolili Ken, Dennis a Brian špatně textové řetězce zakončené NUL? Archivováno 19. září 2016 na Wayback Machine / ACM Queue, svazek 9, vydání 7, 25. července  2011
• Back to Basics  (Russian) - Back to Basics od Joela Spolského Archivováno 5. září 2016 na Wayback Machine , 11. prosince 2001   (anglicky)

Odkazy

• http://c2.com/cgi/wiki?StringWithoutLength Archivováno 19. července 2016 na Wayback Machine
• http://c2.com/cgi/wiki?NonNullTerminatedString Archivováno 20. září 2016 na Wayback Machine