Lekce 9 - Textové řetězce v jazyce C podruhé - Práce se znaky

V minulé lekci, Textové řetězce v jazyce C, jsme si uvedli, že textový řetězec je vlastně pouze pole znaků ukončené nulovým znakem.

Dnes budeme v tutoriálu pracovat právě s jednotlivými znaky, naučíme se používat ASCII hodnoty a vytvoříme analyzátor vět a šifrovací program.

Výpis textu po znacích

Nejprve si ověříme, že můžeme opravdu přistupovat k textu jako k poli charů. Pro začátek si pouze vypíšeme jednotlivá písmena nějakého řetězce:

{C_CONSOLE}
int i;
char veta[] = "Hello ITnetwork";

for (i = 0; veta[i] != '\0'; i++)
    printf("%c ", veta[i]);
{/C_CONSOLE}

Cyklus projede všechny znaky řetězce, až narazí na nulový znak, kterým je řetězec zakončený. Ve výsledku jsou opravdu vypsány jednotlivé znaky řetězce, pro názornost jsem za každý znak vypsal ještě mezeru:

Konzolová aplikace
Hello ITnetwork

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 char, tedy s rozsahem hodnot od 0 do 255. V systému byla uložena tzv. ASCII tabulka, která měla 256 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 (UTF-8) kódování, kde jsou znaky reprezentovány trochu jiným způsobem. Nicméně v C se ve výchozím nastavení stále pracuje s ASCII hodnotami jednotlivých znaků. Pokud bychom chtěli pracovat s UNICODE znaky (tedy i UTF8), museli bychom použít takzvané wide znaky. Hlavní výhoda ASCII zápisu 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:

{C_CONSOLE}
char c; // znak
int i; // ordinální (ASCII) hodnota znaku
// převedeme znak na jeho ASCII hodnotu
c = 'a';
i = (int)c;
printf("Znak %c jsme převedli na ASCII hodnotu %d\n", c, i);

// Převedeme ASCII hodnotu na znak
i = 98;
c = (char)i;
printf("ASCII hodnotu %d jsme převedli na znak %c", c, i);
{/C_CONSOLE}

Konzolová aplikace
Znak a jsme převedli na ASCII hodnotu 97
ASCII hodnotu 98 jsme převedli na znak b

Analýza výskytů ve větě

Napišme si jednoduchý program, který nám analyzuje zadanou větu. Bude nás zajímat počet samohlásek, souhlásek, čísel a počet zbylých 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 řetězec za scanf(). 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, souhlásky a čísla. Počet zbylých znaků nemusíme počítat, bude to délka řetězce mínus součet samohlásek, souhlásek a písmen. Připravíme si proměnné, do kterých budeme ukládat jednotlivé počty. Protože se jedná o složitější kód, nebudeme zapomínat na komentáře.

// inicializace pocitadel
int pocet_samozhlasek = 0;
int pocet_souhlasek = 0;
int pocet_cisel = 0;

// retezec, ktery chceme analyzovat
char retezec[] = "Mount Everest";

// definice typu znaku
char samohlasky[] = "aeiouyAEUOUY";
char souhlasky[] = "bcdfghijklmnpqrstvwxzBCDFGHIJKLMNPQRSTVWXZ";
char cisla[] = "0123456789";

// indexy
int i;

printf("Puvodni zprava: %s\n",retezec);

// hlavni cyklus pokracuje, dokud nenarazi na znak konce retezce
for (i = 0; retezec[i] != '\0'; i++)
{

}

Nejdříve počítadlo vynulujeme. Na definice znaků nám postačí obyčejné pole znaků jak jej známe. Hlavní cyklus nám projede jednotlivé znaky v řetězci. Pojďme plnit počítadla, pro jednoduchost již nebudu opisovat zbytek kódu a přesunu se jen k cyklu:

// hlavni cyklus pokracuje, dokud nenarazi na znak konce retezce
for (i = 0; retezec[i] != '\0'; i++)
{
    if (obsahuje_znak(retezec[i], samohlasky) == 1)
        pocet_samohlasek++;
    else if (obsahuje_znak(retezec[i], souhlasky) == 1)
        pocet_souhlasek++;
    else if (obsahuje_znak(retezec[i], cisla) == 1)
        pocet_cisel++;
}

Všimněte si, že využíváme funkci obsahuje_znak(), která zjistí zda řetězec obsahuje určitý znak. K funkcím se sice dostaneme až na konci kurzu, nicméně dnes předběhneme a přidáme si právě funkci obsahuje_znak(), abychom mohli vytvořit nějaké zajímavé programy.

Následující blok kódu vložte nad funkci main(), pokud budete mít s jeho začleněním problémy, podívejte se na přiložené zdrojové kódy.

int obsahuje_znak(char znak,char pole[])
{
    int i;
    for (i = 0; pole[i] != '\0'; i++)
    if (pole[i] == znak)
        return 1;
    return 0;
}

Funkci si zatím popisovat nebudeme, vraťme se k našemu kódu ve funkci main(). Aktuální znak naší věty tedy nejprve zkusíme vyhledat v řetězci samohlasky a případně zvýšit jejich počítadlo. Pokud v samohláskách není, podíváme se do souhlásek a případně opětovně zvýšíme jejich počítadlo. To samé provedeme s čísly. Nyní nám chybí již jen výpis na konec:

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

int obsahuje_znak(char znak,char pole[])
{
    int i;
    for (i = 0; pole[i] != '\0'; i++)
    if (pole[i] == znak)
        return 1;
    return 0;
}

int main(int argc, char** argv)
{

    // inicializace pocitadel
    int pocet_samohlasek = 0;
    int pocet_souhlasek = 0;
    int pocet_cisel = 0;

    // retezec, ktery chceme analyzovat
    char retezec[] = "Mount Everest";

    // definice typu znaku
    char samohlasky[] = "aeiouyAEUOUY";
    char souhlasky[] = "bcdfghijklmnpqrstvwxzBCDFGHIJKLMNPQRSTVWXZ";
    char cisla[] = "0123456789";

    // indexy
    int i;

    printf("Puvodni zprava: %s\n",retezec);

    // hlavni cyklus pokracuje, dokud nenarazi na znak konce retezce
    for (i = 0; retezec[i] != '\0'; i++)
    {
        if (obsahuje_znak(retezec[i], samohlasky) == 1)
            pocet_samohlasek++;
        else if (obsahuje_znak(retezec[i], souhlasky) == 1)
            pocet_souhlasek++;
        else if (obsahuje_znak(retezec[i], cisla) == 1)
            pocet_cisel++;
    }
    printf("Pocet samohlasek: %d\n", pocet_samohlasek);
    printf("Pocet souhlasek: %d\n", pocet_souhlasek);
    printf("Pocet cisel: %d\n", pocet_cisel);
    printf("Pocet zbylych znaku: %d\n",
            strlen(retezec) - pocet_samohlasek - pocet_souhlasek - pocet_cisel);
    return (EXIT_SUCCESS);
}

Výsledek:

Konzolová aplikace
Puvodni zprava: Mount Everest
Pocet samohlasek: 5
Pocet souhlasek: 7
Pocet cisel: 0
Pocet zbylych znaku: 1

Cézarova šifra

Vytvoříme si jednoduchý program pro 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 a pro posun. Zašifrovaným textem nahradíme původní zprávu. 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 funkcí scanf(). Šifra nepočítá s diakritikou, mezerami a interpunkčními znaménky. Diakritiku budeme bojkotovat a budeme předpokládat, že ji uživatel nebude zadávat. Pro zjednodušení vynecháme i velká písmena. Ideálně bychom měli diakritiku před šifrováním odstranit, stejně tak cokoli kromě písmen.

// retezec k zasifrovani
char s[] = "gaiusjuliuscaesar";
int posun = 1;
int i;

printf("Puvodni zprava: %s\n", s);

// hlavni cyklus
for (i = 0; s[i] != '\0'; i++)
{

}

printf("Zasifrovana zprava: %s\n", s);

Nyní se přesuneme dovnitř cyklu. Hodnotu aktuálního znaku zvýšíme o posun a uložíme místo původního znaku.

{C_CONSOLE}

// retezec k zasifrovani
char s[] = "gaiusjuliuscaesar";
int posun = 1;
int i;

printf("Puvodni zprava: %s\n", s);

// hlavni cyklus
for (i = 0; s[i] != '\0'; i++)
{
    s[i] = s[i] + posun;
}

printf("Zasifrovana zprava: %s\n", s);

{/C_CONSOLE}

Konzolová aplikace
Puvodni zprava: gaiusjuliuscaesar
Zasifrovana zprava: hbjvtkvmjvtdbftbs

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 odečte celou abecedu tak, abychom začínali opět na 'a'.

// hlavni cyklus
for (i = 0; s[i] != '\0'; i++)
{
    s[i] = s[i] + posun;
    if (s[i] > 'z') // kontrola preteceni
        s[i] = s[i] - 26;
}

Pokud hodnota přesáhne ASCII hodnotu 'z', snížíme ji o 26 znaků (tolik znaků má anglická abeceda). Je to jednoduché a náš program je nyní funkční. Všimněme si, že nikde nepoužíváme přímé kódy znaků, v podmínce je '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.

V následujícím cvičení, Řešené úlohy k 8.-9. lekci Céčka, si procvičíme nabyté zkušenosti z předchozích lekcí.

Měl jsi s čímkoli problém? Stáhni si vzorovou aplikaci níže a porovnej ji se svým projektem, chybu tak snadno najdeš.