CC言語とCPUのしくみ入門nosuke blog
第7話

文字列:文字も数字、終わりの印は 0

CPUは0と1、つまり数しか知りません。では、"Hello" のような文字はどうやってメモリに入っているのでしょう。答えはかんたんで、文字に番号をつけて、数として入れているだけです。そして文字列の最後には、「ここで終わり」の印として 0 が入っています。

この話でわかること
  1. 文字は、番号(数)でメモリに入っている
  2. 文字列は char の配列で、最後に 0 が入っている
  3. printf("%s") は、0 が出てくるまで1文字ずつ読んでいる
  4. 0 を忘れると、変な文字が出てくる理由
  5. 文字列を == で比べてはいけない理由

配列がはじめての人は、先に第6話(配列)を読むとわかりやすいです。

文字は、番号で入っている

コンピュータでは、文字ひとつひとつに番号が決められています。英語の文字や数字・記号の番号表を ASCII(アスキー)といいます。C言語で 'A' のように1文字を ' ' でかこむと、それはその文字の番号(数)になります。

文字番号(10進数)16進数
'A'650x41
'B'660x42
'H'720x48
'a'970x61
'i'1050x69
'0'(数字のゼロ)480x30
'\n'(改行)100x0A
'\0'(終わりの印)00x00
char c = 'A';
printf("%d\n", c);       // 65(数として出す)
printf("%c\n", c + 1);   // B(65 + 1 = 66 を文字として出す)

char は1バイト(8個のスイッチ)の箱です。第1話で見たとおり1バイトには256通りの数が入るので、英語の文字なら1バイトで足ります。%d で出すか %c で出すかで、同じ数が「65」にも「A」にもなります。

'0' と 0 はちがう数字の '0' は番号 48 の文字です。いっぽう '\0' や 0 は本当の数の 0 で、文字列の「終わりの印」に使われます。

文字列は、最後に 0 がついた char の配列

char s[] = "Hi!";

" " でかこんだ文字列を書くと、コンパイラは文字の番号をとなり合わせに並べ、最後に 0 を1つつけてくれます。char は1バイトなので、住所は1ずつずれます。

72105330 'H''i''!''\0' 0x1000x1010x1020x103 終わりの印
"Hi!" は3文字だが、最後の 0 も入れて4バイト使う
書き方結果意味
sizeof(s)4配列のバイト数(終わりの 0 もふくむ)
strlen(s)3文字の数(0 の手前まで数える)
s[0]72('H')1文字目。ふつうの配列と同じ
s[3]0終わりの印

さわってみよう:printf が 0 まで読む

printf("%s", s) は、文字列の長さを知りません。わたされるのは先頭の住所だけです。そこから1文字ずつ読んで、0 が出てきたら止まる。それだけです。おもちゃのCPUで見てみましょう(PUTC は、数を文字にして1文字出す命令です)。

char s[] = "Hi!";
printf("%s", s);

第5話の「比べてジャンプ」と、第6話の「住所に足して次の箱へ」を組み合わせただけです。0 を見つけるまで、ひたすら次の住所へ進む。C言語の文字列は、すべてこのしくみで動いています。

スポンサーリンク

よくある失敗:終わりの 0 がないと?

" " を使わずに1文字ずつ入れると、0 はつきません。次のように、ぴったり3文字ぶんの配列を作ると、終わりの印がない文字列になります。

char s[3] = {'H', 'i', '!'};   // 0 が入っていない!
printf("%s", s);

printf は 0 が出てくるまで止まらないので、配列の外の残りものまで文字として出してしまいました。ここでは運よく少し先に 0 がありましたが、0 がなかなか出てこなければ、変な文字をたくさん出したり、使ってはいけない住所まで読んでプログラムが止まったりします。

文字列の箱は「文字数 + 1」"Taro" は4文字ですが、0 の分もふくめて5バイト必要です(sizeof("Taro") は 5)。char name[4] に "Taro" をコピーすると、0 がはみ出して第6話の「はみ出し」になります。文字列の箱は、いつも1つ多めに用意しましょう。

文字列を == で比べてはいけない

char s[] = "Hi";
char t[] = "Hi";
printf("%d\n", s == t);           // 0(ちがう!)
printf("%d\n", strcmp(s, t));     // 0(同じ)

第6話で見たとおり、配列の名前は先頭の住所です。s == t は「中身が同じか」ではなく、「住所が同じか」を比べています。s と t は別の場所にある別の配列なので、中身が同じでも住所はちがいます。中身を比べるときは、<string.h> の strcmp を使います(同じなら 0 を返します)。

やりたいこと使うもの(#include <string.h>)中でしていること
長さを知るstrlen(s)0 が出るまで数える
コピーするstrcpy(d, s)0 が出るまで1文字ずつ写す(0 も写す)
中身を比べるstrcmp(s, t)1文字ずつ番号を比べる。同じなら 0
うしろにつなげるstrcat(d, s)d の 0 を探して、そこから写す

※ strcpy や strcat は、写す先の箱が小さくても止まりません。はみ出しに気をつけて使います。

日本語の文字は、1文字が何バイトも

英語の文字は1バイトですが、日本語の文字は数が多いので1バイトには入りません。いまよく使われる UTF-8 という決まりでは、ひらがなや漢字は1文字3バイトになることが多いです。

文字列strlen の結果理由
"Hi"21文字1バイト × 2
"あ"3「あ」は3バイト
"ねこ"63バイト × 2文字

strlen が数えているのは「文字の数」ではなく「0 の手前までのバイト数」だからです。

まとめ

Cの書き方メモリとCPUでは
'A'文字の番号 65。ただの数
"Hi!"72, 105, 33, 0 がとなり合わせに並んだ char の配列
printf("%s", s)先頭の住所から1文字ずつ読み、0 で止まる
0 を忘れる配列の外まで読み続けて、変な文字が出る
s == t住所を比べている。中身は strcmp で

自分のパソコンで動かしてみるなら

文字が数として入っているのを、自分の目で確かめてみてください(書き方は第2話)。インストールなしで試すなら、paiza.IO や Wandbox に貼りつけると動きます。

#include <stdio.h>
#include <string.h>

int main(void) {
    char s[] = "Hi!";
    for (int i = 0; i < (int)sizeof(s); i++) {
        printf("s[%d] = %d\n", i, s[i]);   // 72, 105, 33, 0
    }
    printf("%zu %zu\n", sizeof(s), strlen(s));   // 4 3
    s[0] = 'h';
    printf("%s\n", s);                       // hi!
    return 0;
}

スポンサーリンク