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。
- 文字は、番号(数)でメモリに入っている
- 文字列は
charの配列で、最後に 0 が入っている printf("%s")は、0 が出てくるまで1文字ずつ読んでいる- 0 を忘れると、変な文字が出てくる理由
- 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' | 65 | 0x41 |
| 'B' | 66 | 0x42 |
| 'H' | 72 | 0x48 |
| 'a' | 97 | 0x61 |
| 'i' | 105 | 0x69 |
| '0'(数字のゼロ) | 48 | 0x30 |
| '\n'(改行) | 10 | 0x0A |
| '\0'(終わりの印) | 0 | 0x00 |
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' 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。
| 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。
"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" | 2 | 1文字1バイト × 2 |
| "あ" | 3 | 「あ」は3バイト |
| "ねこ" | 6 | 3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