Обработка символьных данных

Научиться понимать, как текст хранится в памяти компьютера, и освоить базовые операции со строками.

Обработка текстов — одна из самых частых задач в программировании: от поиска слова в документе до создания чат-ботов. Понимание этой темы позволяет создавать программы, которые работают с именами, сообщениями, паролями и любыми другими текстовыми данными.

• Компьютер хранит любые данные, включая текст, в двоичном виде, поэтому каждый символ имеет свой числовой код.
• Строка — это упорядоченная последовательность символов, которую можно обрабатывать как единое целое или по отдельности.
• Существуют стандартные кодировки (ASCII, Unicode), которые сопоставляют символам числовые коды.
• Основные операции со строками: объединение, вычисление длины, доступ к символу по индексу, извлечение части строки (срез), сравнение строк.
• Строки в большинстве языков программирования являются неизменяемыми: любая операция создаёт новую строку, а не изменяет исходную.
• Сравнение строк происходит посимвольно, на основе кодов символов.
• Умение обрабатывать строки необходимо для решения многих практических задач, например, для проверки ввода пользователя или анализа текста.

Символ

Минимальный элемент текста: буква, цифра, знак препинания или пробел. Каждому символу соответствует свой числовой код.

Строка

Упорядоченная последовательность символов, которая хранится в памяти компьютера как единый объект.

Кодировка

Таблица, которая устанавливает соответствие между символами и их числовыми кодами.

ASCII

Одна из первых кодировок, содержащая 128 символов: латинские буквы, цифры, знаки препинания и управляющие символы.

Unicode

Современная кодировка, которая включает символы почти всех языков мира, а также математические знаки и эмодзи.

Конкатенация

Операция объединения двух или более строк в одну новую строку.

Индекс символа

Номер позиции символа в строке, начиная с нуля. Например, в строке "Привет" символ 'П' имеет индекс 0, 'р' — индекс 1 и т.д.

Срез строки

Извлечение из строки подстроки, заданной начальным и конечным индексами.

• В кодировке ASCII каждый символ занимает 1 байт (8 бит) и имеет код от 0 до 127.
• В кодировке Unicode символы могут занимать от 1 до 4 байт, что позволяет кодировать более миллиона различных символов.
• Длина строки — это количество символов в ней. Обычно вычисляется функцией len() (в Python) или length() (в Pascal).
• Операция конкатенации обозначается знаком '+' во многих языках программирования (например, в Python, Java, C++).
• Сравнение строк выполняется посимвольно: сначала сравниваются первые символы, если они равны — вторые, и так далее. Символ с меньшим кодом считается меньшим.
• В большинстве языков программирования строки неизменяемы (immutable). Например, в Python нельзя изменить символ строки по индексу, можно только создать новую строку.

1. Пример 1случай

   Строка "Школа" состоит из 5 символов

   Пояснение

   • 'Ш', 'к', 'о', 'л', 'а'
   • Индексы: 0, 1, 2, 3, 4
2. Пример 2случай
   • Если сложить строки "Информатика" и "8 класс", получится "Информатика8 класс" (без пробела, если его не добавить)
3. Пример 3случай

   Сравнение строк

   Пояснение

   • "apple" < "banana", потому что код 'a' (97) меньше кода 'b' (98)
4. Пример 4случай
   • Срез строки "Программирование" от индекса 0 до 3 даст подстроку "Прог"

• Код символа 'A' в ASCII равен 65, а код 'a' — 97. Разница между строчными и прописными буквами всегда равна 32.
• В кодировке Unicode есть специальные символы для эмодзи, которые занимают 4 байта, поэтому строка с эмодзи может иметь длину больше, чем количество видимых символов.
• Первая версия ASCII была разработана в 1963 году и до сих пор используется как основа для многих других кодировок.

• Представление чисел в компьютере
• Алгоритмы и исполнители
• Основы программирования (переменные, типы данных)