8. díl - Textové řetězce v Javě podruhé - práce s jednotlivými znaky

Java Základní konstrukce Textové řetězce v Javě podruhé - práce s jednotlivými znaky

Unicorn College ONEbit hosting Tento obsah je dostupný zdarma v rámci projektu IT lidem. Vydávání, hosting a aktualizace umožňují jeho sponzoři.

V milém dílu seriálu o Javě jsme se naučili pracovat s polem. Pokud jste vycítili nějakou podobnost mezi polem a textovým řetězcem, tak jste vycítili správně. Pro ostatní může být překvapením, že String je v podstatě pole znaků (charů) a můžeme s ním i takto pracovat. Pro přístup k jednotlivým znakům slouží metoda charAt(x), kde x udává index znaku v řetězci (počínaje 0).

Nejprve si vyzkoušejme, že to všechno funguje. Rozcvičíme se na jednoduchém vypsání znaku na dané pozici:

String s = "Ahoj ITnetwork";
System.out.println(s);
System.out.println(s.charAt(2));

Výstup:

Konzolová aplikace
Ahoj ITnetwork o

Zklamáním může být, že znaky na dané pozici jsou v Javě read-only, nemůžeme je tedy jednoduše změnit.

Samozřejmě to jde udělat jinak, později si to ukážeme, zatím se budeme věnovat pouze čtení jednotlivých znaků.

Analýza výskytu znaků ve větě

Napišme si jednoduchý program, který nám analyzuje zadanou větu. Bude nás zajímat počet samohlásek, souhlásek a počet nepísmenných znaků (např. mezera nebo !).

Daný textový řetězec si nejprve v programu zadáme napevno, abychom ho nemuseli při každém spuštění psát. Až bude program hotový, nahradíme ho sc.nextLine(). Řetězec budeme projíždět cyklem po jednom znaku. Rovnou zde říkám, že neapelujeme na rychlost programu a budeme volit názorná a jednoduchá řešení.

Nejprve si připravme kód, definujme si samohlásky a souhlásky. Počet nepísmen nemusíme počítat, bude to délka řetězce mínus samohlásky a souhlásky. Abychom nemuseli řešit velikost písmen, celý řetězec na začátku převedeme na malá písmena. Připravme si proměnné, do kterých budeme ukládat jednotlivé počty. Protože se jedná o složitější kód, nebudeme zapomínat na komentáře.

pozn.: Kdybyste věděli, jak se správně říká nepísmennému znaku, napište mi to prosím do komentáře pod článek :)

// řetězec, který chceme analyzovat
String s = "Programátor se zasekne ve sprše, protože instrukce na šampónu byly: Namydlit, omýt, opakovat.";
System.out.println(s);
s = s.toLowerCase();

// inicializace počítadel
int pocetSamohlasek = 0;
int pocetSouhlasek = 0;

// definice typů znaků
String samohlasky = "aeiouyáéěíóúůý";
String souhlasky = "bcčdďfghjklmnpqrřsštťvwxzž";

// hlavní cyklus
for (char c : s.toCharArray()) {

}

Zpočátku si připravíme řetězec a převedeme ho na malá písmena. Počítadla vynulujeme. Na definice znaků nám postačí obyčejné Stringy. Hlavní cyklus nám projede jednotlivé znaky v řetězci s. Abychom mohli znaky iterovat (procházet cyklem), musíme si String převést na pole znaků. V úvodu jsem říkal, že String vlastně pole znaků je, ale ne plnohodnotné. Obsahuje něco navíc a něco mu chybí, např. možnost prvky iterovat cyklem. V cyklu tedy na s zavoláme metodu toCharArray(), která vrátí plnohodnotné pole znaků z řetězce s. V každé iteraci cyklu bude v proměnné c aktuální znak.

Pojďme plnit počítadla, pro jednoduchost již nebudu opisovat zbytek kódu a přesunu se jen k cyklu:

// hlavní cyklus
for (char c : s.toCharArray()) {
        if (samohlasky.contains(String.valueOf(c))) {
                pocetSamohlasek++;
        }
        else if (souhlasky.contains(String.valueOf(c))) {
                pocetSouhlasek++;
        }
}

Metodu contains() na řetězci již známe, jako parametr ji lze předat podřetězec. Bohužel nemůžeme předat znak char, musíme tedy znak převést na String. K tomu slouží výše uvedená metoda valueOf(). Daný znak c naší věty tedy nejprve zkusíme vyhledat v řetězce samohlasky a případně zvýšit jejich počítadlo. Pokud v samohláskách není, podíváme se do souhlásek a případně opětovně zvýšíme jejich počítadlo. Nyní nám chybí již jen výpis na konec. V textu použijeme speciální sekvenci znaků "\n", ta způsobí odřádkování.

System.out.printf("Samohlásek: %d\n", pocetSamohlasek);
System.out.printf("Souhlásek: %d\n", pocetSouhlasek);
System.out.printf("Nepísmenných znaků: %d\n", s.length() - (pocetSamohlasek + pocetSouhlasek));

Konzolová aplikace
Programátor se zasekne ve sprše, protože instrukce na šampónu byly: Namydlit, omýt, opakovat. Samohlásek: 31 Souhlásek: 45 Nepísmenných znaků: 17

A je to!

ASCII hodnota

Možná jste již někdy slyšeli o ASCII tabulce. Zejména v éře operačního systému MS DOS prakticky nebyla jiná možnost, jak zaznamenávat text. Jednotlivé znaky byly uloženy jako čísla typu byte, tedy s rozsahem hodnot od 0 do 255. V systému byla uložena tzv. ASCII tabulka, která měla také 255 znaků a každému ASCII kódu (číselnému kódu) přiřazovala jeden znak.

Asi je vám jasné, proč tento způsob nepřetrval dodnes. Do tabulky se jednoduše nevešly všechny znaky všech národních abeced, nyní se používá unicode (UTF8) kódování, kde jsou znaky reprezentovány trochu jiným způsobem. Nicméně v Javě máme stále možnost pracovat s ASCII hodnotami jednotlivých znaků. Hlavní výhoda je v tom, že znaky jsou uloženy v tabulce za sebou, podle abecedy. Např. na pozici 97 nalezneme "a", 98 "b" a podobně. Podobně je to s čísly, diakritické znaky tam budou bohužel jen nějak rozházeny.

Zkusme si nyní převést znak do jeho ASCII hodnoty a naopak podle ASCII hodnoty daný znak vytvořit:

char c; // znak
int i; // ordinální (ASCII) hodnota znaku
// převedeme znak na jeho ASCII hodnotu
c = 'a';
i = (int)c;
System.out.printf("Znak %c jsme převedli na ASCII hodnotu %d\n", c, i);
// Převedeme ASCII hodnotu na znak
i = 98;
c = (char)i;
System.out.printf("ASCII hodnotu %d jsme převedli na znak %c", i, c);

Převodům se říká přetypování, ale o tom se blíže pobavíme až později.

Cézarova šifra

Vytvoříme si jednoduchý program pro na šifrování textu. Pokud jste někdy slyšeli o Cézarově šifře, bude to přesně to, co si zde naprogramujeme. Šifrování textu spočívá v posouvání znaku v abecedě o určitý, pevně stanovený počet znaků. Například slovo "ahoj" se s posunem textu o 1 přeloží jako "bipk". Posun umožníme uživateli vybrat. Algoritmus zde máme samozřejmě opět vysvětlený a to v článku Cézarova šifra . Program si dokonce můžete vyzkoušet v praxi - Online cézarova šifra .

Vraťme se k programování a připravme si kód. Budeme potřebovat proměnné pro původní text, zašifrovanou zprávu a pro posun. Dále cyklus projíždějící jednotlivé znaky a výpis zašifrované zprávy. Zprávu si necháme zapsanou napevno v kódu, abychom ji nemuseli při každém spuštění programu psát. Po dokončení nahradíme obsah proměnné metodou sc.nextLine(). Šifra nepočítá s diakritikou, mezerami a interpunkčními znaménky. Diakritiku budeme bojkovat a budeme předpokládat, že ji uživatel nebude zadávat. Ideálně bychom poté měli diakritiku před šifrováním odstranit, stejně tak cokoli kromě písmen.

// inicializace proměnných
String s = "cernediryjsoutamkdebuhdelilnulou";
System.out.printf("Původní zpráva: %s\n", s);
String zprava = "";
int posun = 1;

// cyklus projíždějící jednotlivé znaky
for (char c : s.toCharArray()) {

}

// výpis
System.out.printf("Zašifrovaná zpráva: %s\n", zprava);

Nyní se přesuneme dovnitř cyklu, převedeme znak c na ASCII hodnotu (neboli ordinální hodnotu), tuto hodnotu zvýšíme o posun a převedeme zpět na znak. Tento znak nakonec připojíme k výsledné zprávě:

int i = (int)c;
i += posun;
char znak = (char)i;
zprava += znak;

Konzolová aplikace
Původní zpráva: cernediryjsoutamkdebuhdelilnulou Zašifrovaná zpráva: dfsofejszktpvubnlefcviefmjmovmpv

Program si vyzkoušíme. Výsledek vypadá docela dobře. Zkusme si však zadat vyšší posun nebo napsat slovo "zebra". Vidíme, že znaky mohou po "z" přetéct do ASCII hodnot dalších znaků, v textu tedy již nemáme jen písmena, ale další ošklivé znaky. Uzavřeme znaky do kruhu tak, aby posun plynule po "z" přešel opět k "a" a dále. Postačí nám k tomu jednoduchá podmínka, která od nové ASCII hodnoty odečne celou abecedu tak, abychom začínali opět na "a".

int i = (int)c;
i += posun;
// kontrola přetečení
if (i > (int)'z') {
        i -= 26;
}
char znak = (char)i;
zprava += znak;

Pokud i přesáhne ASCII hodnotu 'z', snížíme ho o 26 znaků (tolik znaků má anglická abeceda). Operátor -= vykoná to samé, jako bychom napsali i = i - 26. Je to jednoduché a náš program je nyní funkční. Všimněme si, že nikde nepoužíváme přímé kódy znaků, v podmínce je (int)'z', i když bychom tam mohli napsat rovnou 122. Je to z důvodu, aby byl náš program plně odstíněn od explicitních ASCII hodnot a bylo lépe viditelné, jak funguje. Cvičně si zkuste udělat dešifrování.

Příště si ukážeme, že String umí přeci jen ještě něco navíc. Prozradím, že budeme dekódovat Morzeovu abecedu.


 

Stáhnout

Staženo 684x (35.71 kB)
Aplikace je včetně zdrojových kódů v jazyce java

 

  Aktivity (3)

Článek pro vás napsal David Čápka
Avatar
Autor pracuje jako softwarový architekt a pedagog na projektu ITnetwork.cz (a jeho zahraničních verzích). Velmi si váží svobody podnikání v naší zemi a věří, že když se člověk neštítí práce, tak dokáže úplně cokoli.
Unicorn College Autor se informační technologie naučil na Unicorn College - prestižní soukromé vysoké škole IT a ekonomie.

Jak se ti líbí článek?
Celkem (19 hlasů) :
4.894744.894744.894744.894744.89474


 


Miniatura
Předchozí článek
Cvičení k 7. lekci Javy
Miniatura
Všechny články v sekci
Základní konstrukce jazyka Java
Miniatura
Následující článek
Cvičení k 8. lekci Javy

 

 

Komentáře
Zobrazit starší komentáře (23)

Avatar
Petr Štechmüller:

Ahoj, za if se nepíše středník

if (samohlasky.contains(String.valueOf(text1.charAt(i))));  <<<---------
                    samohlasek += 1;
if (souhlasky.contains(String.valueOf(text1.charAt(i))));   <<<----------
                    souhlasek += 1;
Odpovědět 5.5.2016 9:40
Pokud spolu kód a komentář nekorespondují, budou patrně oba chybné
Avatar
Petr(K)
Člen
Avatar
 
Odpovědět 5.5.2016 9:44
Avatar
Roman Havelka:

Mel bych dotaz - promenna v cyklu je pouze lokalni ?

 
Odpovědět 5.6.2016 13:30
Avatar
Johnny Cook
Člen
Avatar
Johnny Cook:

Jen tak pro zajímavost jsem zkusil zagooglit, jak to udělat, aby Cézarova šifra pobrala i diakritiku.

String s = sc.nextLine().trim().toLowerCase();
s = Normalizer.normalize(s, Normalizer.Form.NFD);
s = s.replaceAll("\\p{InCombiningDiacriticalMarks}+", "");

Druhý řádek rozdělí znaky s diakritikou na znak bez ní a samotný akcent (nebo jak to česky nazvat). Třeba z 'á' to udělá "a´"
Třetí řádek odstraní akcenty.

Ten druhý mi přijde celkem ok, i když nevím, co znamená to Form.NFD, ale obsah závorky ve třetím řádku bych asi netipnul.

Pak jsem jen ošetřil

if((int)c>=97 && (int)c<=122)

a pokud ne, tak se šifra neprovádí a char se jen přidá k výsledné zprávě. Je pravda, že tím šifra ztrácí na účinnosti, protože podle délky slov se snáze odhadne obsah. Například, tradičně oblíbená věta "Ahoj, jak se máš?" se při posunu 1 přeloží na "bipk, kbl tf nbt?"

Přišlo mi zajímavé to tady uvést.

 
Odpovědět 29.6.2016 23:02
Avatar
Dynlik
Člen
Avatar
Odpovídá na Roman Havelka
Dynlik:

Roman H.: Jo, po skončení cyklu se zruší. Když jí použiješ, java ti vyhubuje :-) .

Editováno 3.8.2016 13:08
 
Odpovědět 3.8.2016 13:07
Avatar
Karel Klíč
Člen
Avatar
Karel Klíč:

Nepísmenné znaky se nazývají grafémy.

 
Odpovědět 19.10.2016 21:13
Avatar
Zdeněk Svoboda:

Asi triviální dotaz ale z jakého důvodu je v kodu pod nadpisem Cezarova Šifra toto ?

String zprava = "";

 
Odpovědět 23. ledna 13:11
Avatar
Odpovídá na Zdeněk Svoboda
Libor Šimo (libcosenior):

Vytvoris prazdny retazec, aby si donho mohol pridavat v cykle jednotlive posunute znaky.

Odpovědět  +1 23. ledna 16:05
Aj tisícmíľová cesta musí začať jednoduchým krokom.
Avatar
Filip Gajdos
Člen
Avatar
Filip Gajdos:

/*

  • To change this license header, choose License Headers in Project Properties.
  • To change this template file, choose Tools | Templates
  • and open the template in the editor.

*/
package znaky;
import java.util.Arrays;

/**
*

  • @author filip212

*/
public class Znaky {

/**

  • @param args the command line arguments

*/
public static void main(String[] args) {
// TODO code application logic here

// retazec ktory chcem analyzovat
String ss = "Programátor sa zasekne v sprche, pretože inštrukcie na šampónu boli: Namydliť, umyť, opakovať.";
System.out.prin­tln(ss);
ss = ss.toLowerCase();

//Inicializacia pocitadiel
int pocetSamohlasok = 0;
int pocetSpoluhlasok = 0;

// definicia pola samohlasok a spoluhlasok
String[] samohlasky = {"a", "e", "i", "o", "u", "ä", "á", "é", "í", "ó", "ú", "ia", "ie", "iu", "ô"};
String[] spoluhlasky = {"d", "t", "n", "l", "h", "ch", "g", "h", "k", "ď", "ť", "ň", "ľ", "c", "č", "ž", "š", "dz", "ďz", "m", "b", "p", "v", "z", "s", "f", "r"};

// Hlavny cyklus
for (char c : ss.toCharArray())
{
for (int i = 0; i<15; i++)
{
if (samohlasky[i]­.contains(Strin­g.valueOf(c)))
pocetSamohlasok++;
}

for (int i = 0; i <27; i++)
{
if (spoluhlasky[i]­.contains(Strin­g.valueOf(c)))
pocetSpoluhlasok++;
}
}

//Vypis na konci
System.out.prin­tf("Pocet samohlasok = %d\n", pocetSamohlasok);
System.out.prin­tf("Pocet spoluhlasok = %d\n", pocetSpoluhlasok);
System.out.prin­tf("Pocet nepismennych znakov = %d", ss.length() - (pocetSamohlasok + pocetSpoluhlasok));
}

}

Tento kod mi normalne funguje pokial to mam v cestine vetu aj samohlasky a spoluhlasky dostavam rovnake vysledky ako v clanku pokial to ale prehodim do SVK jayzka dostavam
run:
Programátor sa zasekne v sprche, pretože inštrukcie na šampónu boli: Namydliť, umyť, opakovať.
Pocet samohlasok = 58
Pocet spoluhlasok = 53
Pocet nepismennych znakov = -17BUILD SUCCESSFUL (total time: 0 seconds)

 
Odpovědět 4. února 15:14
Avatar
Michal813
Člen
Avatar
Michal813:

toto >>> "ie", "iu", "dz", "ďz" <<<< nie sú samohlásky a ni spoluhlásky, ale dvojhlásky - a tie ASCII nepozná ....

 
Odpovědět 10. března 13:36
Děláme co je v našich silách, aby byly zdejší diskuze co nejkvalitnější. Proto do nich také mohou přispívat pouze registrovaní členové. Pro zapojení do diskuze se přihlas. Pokud ještě nemáš účet, zaregistruj se, je to zdarma.

Zobrazeno 10 zpráv z 33. Zobrazit vše