Lekce 14 - Textové řetězce v Javě do třetice - Split a join

V předešlém cvičení, Řešené úlohy k 13. lekci Javy, jsme si procvičili nabyté zkušenosti z předchozích lekcí.

V dnešním Java tutoriálu si vysvětlíme další metody na řetězci, které jsme vám zatím záměrně zatajili, protože jsme nevěděli, že textový řetězec je vlastně pole

Metody na řetězci

Když si vytvoříme libovolnou proměnnou a napíšeme za ni poté tečku, IDE nám zobrazí nabídku všech metod a vlastností (a také proměnných, ale k tomu se dostaneme až u objektů), které na ni můžeme volat. Zkusme si to:

Tutéž nabídku lze vyvolat také stiskem kláves Ctrl + Mezerník v případě, že kurzor umístíme na tečku.

Samozřejmě to platí pro všechny proměnné i třídy a budeme toho využívat stále častěji. Metody jsou řazené abecedně a můžeme jimi listovat pomocí kurzorových šipek. Popis toho, co metody dělají a jaké vyžadují parametry, můžeme v IntelliJ vyvolat tím, že najedeme šipkami na metodu, o které chceme vědět více, a stiskneme klávesy Ctrl + Q.

Řekněme si více o následujících metodách a ukažme si je na jednoduchých příkladech.

Metoda substring()

Vrátí podřetězec od dané počáteční pozice do dané koncové pozice:

{JAVA_CONSOLE}
System.out.println("Wolfgang Amadeus Mozart".substring(9, 16));
{/JAVA_CONSOLE}

Výstup:

Konzolová aplikace
Amadeus

Metoda compareTo()

Umožňuje porovnat dva řetězce podle abecedy. Metoda vrací hodnotu -1, je-li první řetězec abecedně před řetězcem v parametru, hodnotu 0, jsou-li oba řetězce stejné, a hodnotu 1, je-li první řetězec abecedně za řetězcem v parametru:

{JAVA_CONSOLE}
System.out.println("Argentina".compareTo("Barbados"));
{/JAVA_CONSOLE}

Výstup:

Konzolová aplikace
-1

Nyní se pojďme podívat na další metody, které jsou opravdu velmi užitečné.

Metody split() a join()

Z předchozích tutoriálů víme, že parsování řetězce po znaku může být někdy docela složité, přestože jsme prováděli poměrně jednoduchý příklad. S řetězci se samozřejmě budeme setkávat stále, a to jak na vstupu od uživatele (např. z konzole nebo z polí v okenních aplikacích), tak v souborech TXT a XML. Velmi často máme zadán jeden delší textový řetězec (řádka souboru nebo řádka konzole), ve kterém je více hodnot oddělených tzv. separátory, např. čárkou. V tomto případě hovoříme o formátu CSV (Comma-Separated Values, tedy hodnoty oddělené čárkou). Abychom si byli jistí, že víme, o čem hovoříme, ukažme si nějaké ukázkové řetězce:

Jan,Novák,Dlouhá 10,Praha 3,130 00
.. ... .-.. .- -. -.. ... --- ..-. -
(1,2,3;4,5,6;7,8,9)

Význam jednotlivých řetězců:

• První řetězec je očividně nějaký uživatel, takto bychom mohli např. realizovat uložení uživatelů do CSV souboru, každý na jeden řádek.
• Druhý řetězec jsou znaky Morseovy abecedy, separátorem (oddělovačem) je zde mezera.
• Třetí řetězec je matice o třech sloupcích a třech řádcích. Oddělovačem sloupců je čárka, řádků středník.

Na datovém typu String můžeme volat metodu split(), která bere jako parametr separátor. Následně původní řetězec rozdělí podle separátorů na pole podřetězců, které vrátí. To nám velmi ulehčí práci při rozdělování hodnot v řetězci.

Metoda join() se volá přímo na typu String a umožňuje nám naopak pole podřetězců spojit oddělovačem do jediného řetězce. Parametry jsou oddělovač a pole. Výstupem metody je výsledný řetězec.

Jelikož neumíme tvořit objekty (uživatele) ani pracovat s vícerozměrnými poli (matice), zkusíme si naprogramovat dekodér zpráv z Morseovy abecedy.

Dekodér Morseovy abecedy

Pojďme si opět připravit strukturu programu. Budeme potřebovat dva řetězce se zprávou: jeden se zprávou v Morseově abecedě, druhý zatím prázdný, do kterého budeme ukládat výsledek našeho snažení. Dále budeme jako v případě samohlásek potřebovat nějaký vzor písmen. K písmenům budeme muset přiřadit vzor jejich znaku v morseovce. Písmena můžeme opět uložit do pouhého řetězce, protože mají jen jeden znak. Symboly Morseovy abecedy mají již znaků více, ty musíme dát do pole. Struktura našeho programu by nyní mohla vypadat následovně:

// řetězec, který chceme dekódovat
String sifrovanaZprava = ".-.. . --- -. .- .-. -.. ---";
System.out.printf("Původní zpráva: %s%n", sifrovanaZprava);
// řetězec s dekódovanou zprávou
String dekodovanaZprava = "";

// vzorová pole
String abeceda = "abcdefghijklmnopqrstuvwxyz";
String[] morseovyZnaky = {".-", "-...", "-.-.", "-..", ".", "..-.", "--.", "....",
"..", ".---", "-.-", ".-..", "--", "-.", "---", ".--.", "--.-", ".-.", "...", "-", "..-",
"...-", ".--", "-..-", "-.--", "--.."};

Můžeme samozřejmě přidat i další znaky jako čísla a interpunkční znaménka, my je zde vynecháme.

Nyní si řetězec sifrovanaZprava rozbijeme metodou split() na pole podřetězců, obsahujících jednotlivé znaky morseovky. Rozdělovat budeme podle znaku mezery. Pole následně proiterujeme cyklem foreach:

// rozbití řetězce na znaky morseovky
String[] znaky = sifrovanaZprava.split(" ");

// iterace znaky morseovky
for (String morseuvZnak : znaky) {

}

Ideálně bychom se měli nějak vypořádat s případy, kdy uživatel zadá např. více mezer mezi znaky (to uživatelé dělají rádi). Metoda split() poté vytvoří o jeden řetězec v poli více, který bude prázdný. Ten bychom měli poté v cyklu detekovat a ignorovat. My se tím však v tomto tutoriálu zabývat nebudeme.

V cyklu se pokusíme najít aktuálně čtený znak morseovky v poli morseovyZnaky. Bude nás zajímat jeho index, protože když se podíváme na tentýž index v poli abeceda, bude tam odpovídající písmeno. To je samozřejmě způsobeno tím, že jak pole, tak řetězec obsahují stejné znaky seřazené dle abecedy. Umístěme tedy do těla cyklu následující kód:

char abecedniZnak = '?';

int index = -1;
for (int i = 0; i < morseovyZnaky.length; i++) {
    if (morseovyZnaky[i].equals(morseuvZnak)) {
        index = i;
    }
}

if (index >= 0) { // znak nalezen
    abecedniZnak = abeceda.charAt(index);
}
dekodovanaZprava += abecedniZnak;

Kód nejprve do abecedního znaku uloží znak ?, protože se může stát, že znak v naší sadě nemáme. Následně se pokusíme zjistit jeho index. Pole v Javě bohužel nedisponuje metodou indexOf() a zatím nechceme zabíhat do složitějších datových struktur. Proto si napíšeme vyhledání typu String v poli sami, bude to docela jednoduché.

Vyhledání řetězce v poli

Nejprve nastavíme index na -1, protože nevíme, zda pole daný String (Morseův znak) obsahuje. Následně pole projedeme cyklem a budeme kontrolovat jednotlivé řetězce s naším stringem (znakem). Již víme, že k porovnání dvou řetězců musíme použít metodu equals(). Pokud řetězce souhlasí, uložíme si aktuální index.

Pokud jsme znak našli (index >= 0), dosadíme do proměnné abecedniZnak znak z abecedy pod tímto indexem. Nakonec znak připojíme ke zprávě. Operátor += nahrazuje zprava = zprava + abecedniZnak.

Na závěr samozřejmě zprávu vypíšeme:

{JAVA_CONSOLE}

// řetězec, který chceme dekódovat
String sifrovanaZprava = ".-.. . --- -. .- .-. -.. ---";
System.out.printf("Původní zpráva: %s%n", sifrovanaZprava);
// řetězec s dekódovanou zprávou
String dekodovanaZprava = "";

// vzorová pole
String abeceda = "abcdefghijklmnopqrstuvwxyz";
String[] morseovyZnaky = {".-", "-...", "-.-.", "-..", ".", "..-.", "--.", "....",
"..", ".---", "-.-", ".-..", "--", "-.", "---", ".--.", "--.-", ".-.", "...", "-", "..-",
"...-", ".--", "-..-", "-.--", "--.."};

// rozbití řetězce na znaky morseovky
String[] znaky = sifrovanaZprava.split(" ");

// iterace znaky morseovky
for (String morseuvZnak : znaky) {
    char abecedniZnak = '?';

    int index = -1;
    for (int i = 0; i < morseovyZnaky.length; i++) {
        if (morseovyZnaky[i].equals(morseuvZnak)) {
            index = i;
        }
    }

    // znak nalezen
    if (index >= 0) {
        abecedniZnak = abeceda.charAt(index);
    }
    dekodovanaZprava += abecedniZnak;
}

System.out.printf("Dekódovaná zpráva: %s%n", dekodovanaZprava);
{/JAVA_CONSOLE}

Výstup programu:

Konzolová aplikace
Původní zpráva: .-.. . --- -. .- .-. -.. ---
Dekódovaná zpráva: leonardo

Hotovo! Za úkol máte naprogramovat si program opačný, který naopak zakóduje řetězec do morseovky. Kód bude velmi podobný. S metodami split() a join() se setkáme během Java kurzu ještě několikrát.

Speciální znaky a escapování

Textový řetězec může obsahovat speciální znaky, které jsou předsazené zpětným lomítkem \. Je to zejména sekvence \n, která kdekoli v textu způsobí odřádkování, a poté \t, kdy se jedná o tabulátor. Sekvenci \n do kódu často nepíšeme a využijeme raději formátový specifikátor %n, který způsobí správné odřádkování na specifických platformách. Pojďme si to vyzkoušet:

{JAVA_CONSOLE}
System.out.println("První řádka\nDruhá řádka");
{/JAVA_CONSOLE}

Znak \ označuje nějakou speciální sekvenci znaků v řetězci a je dále využíván např. k psaní Unicode znaku jako "\uxxxx", kde xxxx představuje kód znaku.

Problém může nastat ve chvíli, kdy chceme napsat samotné lomítko \. V tom případě ho musíme tzv. odescapovat:

{JAVA_CONSOLE}
System.out.println("Toto je zpětné lomítko: \\");
{/JAVA_CONSOLE}

Stejným způsobem můžeme odescapovat např. uvozovku tak, aby ji Java nechápala jako konec řetězce:

{JAVA_CONSOLE}
System.out.println("Toto je uvozovka: \"");
{/JAVA_CONSOLE}

Vstupy z konzole a polí v okenních aplikacích se samozřejmě escapují samy, aby uživatel nemohl zadat sekvenci \n a podobně. V kódu to má programátor povoleno a musí na to myslet.

Tímto jsme v podstatě zakončili kurz se základní strukturou jazyka Java. V příštích lekcích si uvedeme vícerozměrná pole a matematické operace. Ze základních konstrukcí jazyka nás tu ale již nic nepřekvapí V podstatě bychom se již mohli klidně věnovat i objektům. Doporučujeme však zbylé tutoriály také projít, jedná se přece jen stále o základní znalosti, které bychom měli mít.

V následujícím kvízu, Kvíz - Textové řetězce v Javě, si vyzkoušíme 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.