Escape-последовательности в C - Escape sequences in C

Эта статья включает в себя список общих Рекомендации, но он остается в основном непроверенным, потому что ему не хватает соответствующих встроенные цитаты. Пожалуйста, помогите улучшать эта статья введение более точные цитаты. (Сентябрь 2013) (Узнайте, как и когда удалить этот шаблон сообщения)

Последовательности выхода используются в языках программирования C и C ++, и их дизайн был скопирован на многих других языках, таких как Ява и C #. Управляющая последовательность - это последовательность символов, которая не представляет себя при использовании внутри символа или строки. буквальный, но переводится в другой символ или последовательность символов, которые может быть трудно или невозможно представить напрямую.

В C все escape-последовательности состоят из двух или более символов, первый из которых - обратная косая черта, \ (называется "Побег персонаж "); остальные символы определяют интерпретацию управляющей последовательности. Например, п - escape-последовательность, обозначающая новая линия персонаж.

Мотивация

Предположим, мы хотим распечатать Привет, в одной строке, за которой следует Мир! на следующей строке. Можно попытаться представить строку, которая будет напечатана, как один литерал следующим образом:

#включают <stdio.h>int главный() {    printf("Привет,Мир!");}

Это недопустимо в C, поскольку строковый литерал не может охватывать несколько логических исходных строк. Это можно обойти, напечатав символ новой строки, используя его числовое значение (0x0A в ASCII ),

#включают <stdio.h>int главный() {    printf("Привет,% cworld!", 0x0A);}

Это указывает программе на печать Привет,, за которым следует байт, числовое значение которого 0x0A, с последующим Мир!. Хотя это действительно будет работать, когда машина использует кодировку ASCII, это не будет работать в системах, которые используют другие кодировки, которые имеют другое числовое значение для символа новой строки. Это также не очень хорошее решение, потому что оно по-прежнему не позволяет представлять символ новой строки внутри литерала, а вместо этого использует семантику printf. Чтобы решить эти проблемы и обеспечить максимальную переносимость между системами, C интерпретирует п внутри литерала как символа новой строки, что бы это ни было в целевой системе:

#включают <stdio.h>int главный() {    printf("Привет, пМир!");}

В этом коде escape-последовательность п не означает обратную косую черту, за которой следует буква п, потому что обратная косая черта вызывает «выход» из обычного способа интерпретации символов компилятором. Увидев обратную косую черту, компилятор ожидает, что другой символ завершит escape-последовательность, а затем переводит escape-последовательность в байты, которые она предназначена для представления. Таким образом, "Привет, nworld!" представляет строку со встроенной новой строкой, независимо от того, используется ли она внутри printf или где-нибудь еще.

Это поднимает вопрос о том, как представить фактическую обратную косую черту внутри литерала. Это делается с помощью escape-последовательности \\, как показано в следующем разделе.

Некоторые языки не имеют escape-последовательностей, например Паскаль. Вместо этого будет использоваться команда, включающая новую строку (Writeln включает новую строку, write исключает ее).

Writeln('Привет');записывать('Мир!');

Таблица escape-последовательностей

Следующие escape-последовательности определены в стандарте C. В этой таблице также показаны значения, которым они сопоставляются в ASCII. Однако эти escape-последовательности могут использоваться в любой системе с компилятором C и могут отображаться на другие значения, если система не использует кодировку символов на основе ASCII.

Примечание 1.^ Общий нестандартный код; см. раздел «Примечания» ниже.

Заметка 2.^ Может быть одна, две или три восьмеричных цифры. п настоящее время; см. раздел «Примечания» ниже.

Заметка 3.^ u принимает 4 шестнадцатеричных цифры час; см. раздел «Примечания» ниже.

Примечание 4.^ U принимает 8 шестнадцатеричных цифр час; см. раздел «Примечания» ниже.

Примечания

п производит один байт, несмотря на тот факт, что платформа может использовать более одного байта для обозначения новой строки, например ДОС /Windows CR-LF последовательность, 0x0D 0x0A. Перевод из 0x0A к 0x0D 0x0A в DOS и Windows происходит, когда байт записывается в файл или на консоль, а обратное преобразование выполняется при чтении текстовых файлов.

Шестнадцатеричная escape-последовательность должна иметь хотя бы одну шестнадцатеричную цифру после Икс, без верхней границы; он продолжается для всех имеющихся шестнадцатеричных цифр. Так, например, xABCDEFG обозначает байт с числовым значением ABCDEF₁₆, а затем буква грамм, который не является шестнадцатеричной цифрой. Однако, если результирующее целочисленное значение слишком велико, чтобы поместиться в один байт, фактическое присвоенное числовое значение определяется реализацией. Большинство платформ имеют 8-битные char типы, который ограничивает полезную шестнадцатеричную escape-последовательность двумя шестнадцатеричными цифрами. Однако шестнадцатеричные escape-последовательности длиной более двух шестнадцатеричных цифр могут быть полезны внутри широкого символа или широкого строкового литерала (с префиксом L):

char s1[] = " x12";       // одиночный символ со значением 0x12 (18 в десятичной системе)char s1[] = " x1234";     // одиночный символ со значением, определяемым реализацией, если char не достаточно длинныйwchar_t s2[] = L" x1234"; // одиночный wchar_t со значением 0x1234, при условии, что wchar_t достаточно длинный (достаточно 16 бит)

Восьмеричная escape-последовательность состоит из \ за которыми следуют одна, две или три восьмеричных цифры. Восьмеричная escape-последовательность заканчивается, когда она либо уже содержит три восьмеричных цифры, либо следующий символ не является восьмеричной цифрой. Например, \11 представляет собой одиночную восьмеричную escape-последовательность, обозначающую байт с числовым значением 9 (11 в восьмеричном формате), а не escape-последовательность \1 за которым следует цифра 1. Тем не мение, \1111 это восьмеричная escape-последовательность \111 за которым следует цифра 1. Чтобы обозначить байт числовым значением 1, за которым следует цифра 1, можно было бы использовать "\1""1", поскольку C автоматически объединяет смежные строковые литералы. Обратите внимание, что некоторые трехзначные восьмеричные escape-последовательности могут быть слишком большими, чтобы поместиться в один байт; в результате получается значение, определяемое реализацией для фактически созданного байта. Escape-последовательность \0 - обычно используемая восьмеричная escape-последовательность, которая обозначает нулевой символ со значением ноль.

Нестандартные escape-последовательности

Последовательность, такая как z не является допустимой escape-последовательностью в соответствии со стандартом C, поскольку она не найдена в таблице выше. Стандарт C требует диагностики таких «недопустимых» escape-последовательностей (т.е. компилятор должен вывести сообщение об ошибке). Несмотря на это, некоторые компиляторы могут определять дополнительные escape-последовательности с семантикой, определяемой реализацией. Примером может служить e escape-последовательность, которая имеет шестнадцатеричное значение 1B в ASCII, представляет escape-символ, и поддерживается в GCC,^[2] лязгать и tcc. Однако он не был добавлен в стандартный репертуар C, потому что не имеет значимого эквивалента в некоторых наборы символов (Такие как EBCDIC ).^[1]

Универсальные имена персонажей

От C99 стандарт, C также поддерживает escape-последовательности, обозначающие Unicode кодовые точки в строковых литералах. Такие escape-последовательности называются универсальные имена персонажей, и имеют вид uхххх или же Uхххххххх, куда час обозначает шестнадцатеричную цифру. В отличие от других рассматриваемых управляющих последовательностей, универсальное имя символа может расширяться более чем на одну кодовую единицу.

Последовательность uхххх обозначает кодовая точка хххх, интерпретируется как шестнадцатеричное число. Последовательность Uхххххххх обозначает кодовую точку хххххххх, интерпретируется как шестнадцатеричное число. (Следовательно, кодовые точки, расположенные в U + 10000 или выше, должны быть обозначены U синтаксис, тогда как более низкие кодовые точки могут использовать u или же U.) Кодовая точка преобразуется в последовательность кодовые единицы в кодировке типа назначения в целевой системе. Например, рассмотрим

char s1[] = " xC0";char s2[] = " u00C1";wchar_t s3[] = L" xC0";wchar_t s4[] = L" u00C0";

Струна s1 будет содержать один байт (не считая завершающего нуля), числовое значение которого, фактическое значение, хранящееся в памяти, на самом деле 0xC0. Струна s2 будет содержать символ «Á», U + 00C1 ЛАТИНСКАЯ ЗАГЛАВНАЯ БУКВА А С ОСТРЫМ. В системе, которая использует UTF-8 кодировка, строка s2 будет содержать два байты, 0xC3 0xA1. Струна s3 содержит один wchar_t, снова с числовым значением 0xC0. Струна s4 содержит символ "А", закодированный в wchar_t, если UTF-16 используется кодировка, тогда s4 также будет содержать только один wchar_t, Длина 16 бит, с числовым значением 0x00C0. Имя универсального символа, например U0001F603 может быть представлен одним wchar_t если UTF-32 используется кодировка или два, если используется UTF-16.

Важно отметить, что универсальное имя персонажа u00C0 всегда обозначает символ «À», независимо от того, в каком строковом литерале он используется, или от используемой кодировки. Опять таки, U0001F603 всегда обозначает символ в кодовой точке 1F603₁₆вне зависимости от контекста. С другой стороны, восьмеричные и шестнадцатеричные escape-последовательности всегда обозначают определенные последовательности числовых значений, независимо от кодировки. Следовательно, универсальные имена символов дополняют восьмеричные и шестнадцатеричные escape-последовательности; в то время как восьмеричные и шестнадцатеричные escape-последовательности представляют собой "физические" кодовые единицы, универсальные имена символов представляют кодовые точки, которые можно рассматривать как «логические» символы.

Смотрите также

• Последовательность выхода
• Диграф

Рекомендации

дальнейшее чтение

• ISO / IEC 9899: 1999, Языки программирования - C
• Керниган, Брайан В.; Ричи, Деннис М. (2003) [1988]. Язык программирования C (2-е изд.). Prentice Hall. ISBN  978-0-13308621-8.
• Лафор, Роберт (2001). Объектно-ориентированное программирование в Turbo C ++ (1-е изд.). Публикации Galgotia. ISBN  978-8-18562322-1.