Строки - Revision history

Admin: 1 revision imported

2021-11-20T17:10:00Z

1 revision imported

1>Admin at 14:30, 30 July 2021

2021-07-30T14:30:09Z

Admin: 1 revision imported

2021-04-16T14:20:04Z

1 revision imported

1>Admin at 11:52, 4 April 2021

2021-04-04T11:52:21Z

Admin: 1 revision imported

2021-02-07T06:55:31Z

1 revision imported

Admin at 08:11, 12 April 2020

2020-04-12T08:11:36Z

New page

{{HeadLinks|
* [[Main_Page|Начальная страница]]
* [[Общее_описание_языка|Общее описание]]
* [[Объекты]]}}
Строки, наряду с числами, это основные объекты хранения для данных в системе. Каждая строка может содержать до 2 млрд. символов. Строки используются для хранения и обработки текстов, бинарных данных, передачи параметров внутри системы и во внешние источники, для вывода информации и пр. Способы использования строк разнообразны, поэтому, строковые объекты имеют определенные оптимизации для ускорения работы с ними (см. [[Объекты#Особенности работы со строками|статью]] для доп. информации). Система использует строковые объекты двух типов:
* ANSI строки, называемые также однобайтовые строками. Каждый знак занимает один байт. Строка будет иметь системную кодировку для международных символов. К примеру, если установки текущей учетной записи системы определяют ANSI строки, как имеющие кодовую страницу 1251, то в однобайтовых строках, наряду с латиницей, знаками и цифрами, можно использовать кириллицу, если же, к примеру, кодовая страница 869, то в ANSI строках можно использовать греческий алфавит. Система обычно использует такие объекты только для хранения строк с латиницей, знаками и цифрами, при наличии любого международного символа, происходит автоматическое преобразование в UTF-16 строку. Нужно также заметить, что системная кодировка для таких строк имеет значение только при их выводе на экран, кроме как при выводе информации, кодировка никак не влияет на содержимое строк.
* UTF-16 строки, называемые также многобайтовыми строками или юникодом (Unicode). В данной кодировке каждый знак обычно занимает два байта (либо большее количество для редких знаков). В строках такого типа может храниться любая текстовая информация с международными символами, они не зависят от текущей системной кодировки, однако, занимают больше места в памяти и не подходят для хранения и преобразования бинарной информации (к примеру, как результат шифрования алгоритмом AES и пр.).
** '''Важное замечание''': стандарт Unicode предполагает использование символов с кодами больше 65535. Для таких символов требуется не 2 байта, а 4 байта при хранении текста (первые для байта называют нижним суррогатом, последние -- верхним). 2-байтовый юникод, называемый также BMP (Basic Multilingual Plane, основная международная таблица) или UCS-2, позволяет кодировать все основные международные символы, включая Китайские, Японские и Корейские иероглифы. Символы вне этой таблицы, обычно представляют собой символику вымерших или редких языков и знаки, не относящиеся к обычному тексту (смайлики, рисунки объектов и пр.), либо знаки, зависящие непосредственно от шрифта. Такие знаки зачастую не будут даже иметь корректного отображения, так как большинство шрифтов не поддерживает полную таблицу юникода. Говоря о возможностях системы, при выводе на экран и перекодировке текста знаки вне BMP обрабатываются системой корректно, однако, текстовые функции рассчитаны только на работу с символами, размером 2 байта. Это, значит, к примеру, что в редакторе исходного кода, можно создать строку <code>"𐒀𐒁𐒂𐒃𐒄𐒅𐒆𐒇𐒈𐒉𐒊𐒋𐒌𐒍𐒎𐒏"</code>, визуально имеющую длину 16 символов, однако, с точки зрения UTF-16 эта строка представлена 64-мя байтами информации, так как каждый ее символ записан двумя двухбайтовыми парами (первый знак, например, записан сл. образом: <code>D801,DC80</code>). Поэтому функция '''[[Length]]''' возвратит 32, а не 16, функция '''[[Pos]]''' при нахождении позиции знака '''𐒆''' возвратит некорректную позицию 13, вместо корректной 7, однако, функция '''[[TearStr]]''' будет работать корректно. В связи с этим не рекомендуется использовать международные символы вне двухбайтовой таблицы BMP, либо не нужно производить обработку текста с их наличием обычным функционалом.

Преобразование в UTF-16 строку в системе обычно происходит автоматически, обратное преобразование можно осуществить с помощью особых функций. Также нужно отметить, что широко используемый формат UTF-8 будет храниться в системе в ANSI (однобайтовых строках), при получении из внешних источников текста в таком формате, желательно преобразовать его в UTF-16 (c помощью, к примеру '''[[UTF8ToUnicode]]'''), затем, после обработки, можно преобразовать текст обратно в UTF-8 (к примеру, используя '''[[UnicodeToUTF8]]''').

Ниже показаны примеры некоторых функций, для работы с форматом и преобразованием строк:
* Синтаксис массивов <code><Переменная>[<Индекс>]</code> позволяет получить доступ к символу строки по его индексу (индекс начинается с единицы). При изменении символа с помощью конструкции <code><Переменная>[<Индекс>]:=<Значение></code>, ''значение'' может быть не только текстовым, но и числовым (содержать код символа). '''Важно''': оригинальная строка в ANSI не будет преобразована в UTF-16, даже если присваиваемый символ является международным, в этом случае, будет вызвано исключение, либо символ будет утерян (превращен в "?").
* Функции для преобразования объекта в текстовое представление: '''[[Str]]''', '''[[NumberToStr]]''' и пр.
* Функции, определяющие тип строки (однобайтовая или многобайтовая): '''[[StringTypeStr]]''', '''[[IsUnicode]]'''
* Функции для преобразования между типами строк: '''[[Ansi]]''', '''[[Unicode]]'''
* Функции для преобразования между кодировками строк: '''[[UnicodeToUTF8]]''', '''[[UTF8ToUnicode]]''', '''[[AnsiToUTF8]]''', '''[[UTF8ToAnsi]]''', '''[[TranslateFrom]]''', '''[[TranslateTo]]''', '''[[Translate]]''' и пр.

← Older revision	Revision as of 17:10, 20 November 2021
(No difference)

@@ Line 6: / Line 6: @@
 * ANSI строки, называемые также однобайтовые строками. Каждый знак занимает один байт. Строка будет иметь системную кодировку для международных символов. К примеру, если установки текущей учетной записи системы определяют ANSI строки, как имеющие кодовую страницу 1251, то в однобайтовых строках, наряду с латиницей, знаками и цифрами, можно использовать кириллицу, если же, к примеру, кодовая страница 869, то в ANSI строках можно использовать греческий алфавит. Система обычно использует такие объекты только для хранения строк с латиницей, знаками и цифрами, при наличии любого международного символа, происходит автоматическое преобразование в UTF-16 строку. Нужно также заметить, что системная кодировка для таких строк имеет значение только при их выводе на экран, кроме как при выводе информации, кодировка никак не влияет на содержимое строк.
 * UTF-16 строки, называемые также многобайтовыми строками или юникодом (Unicode). В данной кодировке каждый знак обычно занимает два байта (либо большее количество для редких знаков). В строках такого типа может храниться любая текстовая информация с международными символами, они не зависят от текущей системной кодировки, однако, занимают больше места в памяти и не подходят для хранения и преобразования бинарной информации (к примеру, как результат шифрования алгоритмом AES и пр.).
-** '''Важное замечание''': стандарт Unicode предполагает использование символов с кодами больше 65535. Для таких символов требуется не 2 байта, а 4 байта при хранении текста (первые для байта называют нижним суррогатом, последние -- верхним). 2-байтовый юникод, называемый также BMP (Basic Multilingual Plane, основная международная таблица) или UCS-2, позволяет кодировать все основные международные символы, включая Китайские, Японские и Корейские иероглифы. Символы вне этой таблицы, обычно представляют собой символику вымерших или редких языков и знаки, не относящиеся к обычному тексту (смайлики, рисунки объектов и пр.), либо знаки, зависящие непосредственно от шрифта. Такие знаки зачастую не будут даже иметь корректного отображения, так как большинство шрифтов не поддерживает полную таблицу юникода. Говоря о возможностях системы, при выводе на экран и перекодировке текста, знаки вне BMP обрабатываются системой корректно, однако, текстовые функции рассчитаны только на работу с символами, размером 2 байта. Это, значит, к примеру, что в редакторе исходного кода, можно создать строку <code>"𐒀𐒁𐒂𐒃𐒄𐒅𐒆𐒇𐒈𐒉𐒊𐒋𐒌𐒍𐒎𐒏"</code>, визуально имеющую длину 16 символов, однако, с точки зрения UTF-16 эта строка представлена 64-мя байтами информации, так как каждый ее символ записан двумя двухбайтовыми парами (первый знак, например, записан сл. образом: <code>D801,DC80</code>). Поэтому функция '''[[Length]]''' возвратит 32, а не 16, функция '''[[Pos]]''' при нахождении позиции знака '''𐒆''' возвратит некорректную позицию 13, вместо корректной 7, однако, функция '''[[TearStr]]''' будет работать корректно. В связи с этим не рекомендуется использовать международные символы вне двухбайтовой таблицы BMP, либо не нужно производить обработку текста с их наличием обычным функционалом.
+** '''Важное замечание''': стандарт Unicode предполагает использование символов с кодами больше 65535. Для таких символов требуется не 2 байта, а 4 байта при хранении текста (первые два байта называют нижним суррогатом, последние -- верхним). 2-байтовый юникод, называемый также BMP (Basic Multilingual Plane, основная международная таблица) или UCS-2, позволяет кодировать все основные международные символы, включая Китайские, Японские и Корейские иероглифы. Символы вне этой таблицы, обычно представляют собой символику вымерших или редких языков и знаки, не относящиеся к обычному тексту (смайлики, рисунки объектов и пр.), либо знаки, зависящие непосредственно от шрифта. Такие знаки зачастую не будут даже иметь корректного отображения, так как большинство шрифтов не поддерживает полную таблицу юникода. Говоря о возможностях системы, при выводе на экран и перекодировке текста, знаки вне BMP обрабатываются системой корректно, однако, текстовые функции рассчитаны только на работу с символами, размером 2 байта. Это, значит, к примеру, что в редакторе исходного кода, можно создать строку <code>"𐒀𐒁𐒂𐒃𐒄𐒅𐒆𐒇𐒈𐒉𐒊𐒋𐒌𐒍𐒎𐒏"</code>, визуально имеющую длину 16 символов, однако, с точки зрения UTF-16 эта строка представлена 64-мя байтами информации, так как каждый ее символ записан двумя двухбайтовыми парами (первый знак, например, записан сл. образом: <code>D801,DC80</code>). Поэтому функция '''[[Length]]''' возвратит 32, а не 16, функция '''[[Pos]]''' при нахождении позиции знака '''𐒆''' возвратит некорректную позицию 13, вместо корректной 7, однако, функция '''[[TearStr]]''' будет работать корректно. В связи с этим не рекомендуется использовать международные символы вне двухбайтовой таблицы BMP, либо не нужно производить обработку текста с их наличием обычным функционалом.
 Преобразование в UTF-16 строку в системе обычно происходит автоматически, обратное преобразование можно осуществить с помощью особых функций. Также нужно отметить, что широко используемый формат UTF-8 будет храниться в системе в ANSI (однобайтовых строках), при получении из внешних источников текста в таком формате, желательно преобразовать его в UTF-16 (c помощью, к примеру '''[[UTF8ToUnicode]]'''), затем, после обработки, можно преобразовать текст обратно в UTF-8 (к примеру, используя '''[[UnicodeToUTF8]]''').

← Older revision	Revision as of 14:20, 16 April 2021
(No difference)

← Older revision	Revision as of 06:55, 7 February 2021
(No difference)