Tekst gebruiken in code

Wat leer je in dit hoofdstuk?

Na dit hoofdstuk kan je:

• het verschil tussen char en string uitleggen
• ASCII en UNICODE situeren en weten hoe .NET tekst bewaart
• escape characters (\n, \t, \", …) gebruiken en weten waarom een Enter uit twee tekens bestaat
• tekst letterlijk laten staan met het verbatim teken @ of met een raw string literal (""")
• tekst samenvoegen en formatteren met string interpolation ($)
• speciale UNICODE-tekens en emoji op het scherm tonen
• info over de machine ophalen via Environment en je programma afsluiten met een exitcode

Alles is een char

• Elk teken dat je intypt is een char
• Je toetsenbord toont maar een fractie van alle mogelijke tekens (vergelijk met een Spaans, Tunesisch of Chinees toetsenbord)

Voor we tekst inlezen, moeten we begrijpen hoe een computer al die tekens voorstelt.

Van ASCII naar UNICODE

Char

char eenLetter = 'X';
Console.WriteLine(eenLetter);

• Één enkel karakter, tussen apostrofs (')
• Intern bewaard als een 16-bit getal (de UNICODE-waarde)

String

Een string is een reeks van 0, 1 of meer char-elementen.

• Tekst staat tussen dubbele aanhalingstekens (")
• Een char gebruikt een apostrof, een string aanhalingstekens

De string "Hallo" bestaat uit vijf char-elementen na elkaar.

Drie keer “1”, drie types

char eenKarakter = '1';
string eenString = "1";
int eenGetal = 1;

Console.WriteLine(eenKarakter);
Console.WriteLine(eenString);
Console.WriteLine(eenGetal);

Driemaal een 1 onder elkaar, maar telkens een ander type. Boeiend programma, hoor.

Escape characters

Het probleem, en de redding

char weglatingsteken = ''';  // VS raakt volledig in de war

char weglatingsteken = '\'';

De belangrijkste escape characters

\'      apostrof
\"      aanhalingsteken
\\      backslash
\n      nieuwe lijn (enter / newline)
\t      horizontale tab
\uxxxx  teken met hexadecimale UNICODE-waarde xxxx

Niet vanbuiten leren: in de praktijk grijp je vooral naar \n, \t, \" en \\. De rest zoek je op.

Escape in strings

string woord = "\'s avonds";

Code op het scherm tonen wordt al snel Inception:

Console.WriteLine("Console.WriteLine(\"Cool he\");");

Uitvoer:

Console.WriteLine("Cool he");

Witregels en tabs

string eenString = "Een zin.\t na een tab \nDan een nieuwe regel";
Console.WriteLine(eenString);

Uitvoer:

Een zin.         na een tab
Dan een nieuwe regel

De entertoets: \n en \r

Duw je op Enter, dan gebeuren er historisch twee dingen. De termen komen van de typemachine:

• \r (carriage return): terug naar het begin van de regel
• \n (line feed): één regel naar beneden

\r\n of \n?

• Windows schrijft een nieuwe regel als \r\n
• Linux en macOS gebruiken enkel \n

Daarom staat een tekstbestand van Windows elders soms op één lange lijn, of vol ^M-tekens.

Console.Write("Eerste regel" + Environment.NewLine + "Tweede regel");

Het verbatim teken @

Het apenstaartje @ voor een string zegt: behandel alles letterlijk, escape characters worden genegeerd.

string zonderAt = "C:\\Temp\\Myfile.txt";
string metAt = @"C:\Temp\Myfile.txt";

String interpolation met $

Zet een $ voor de string en alles tussen { } wordt als code uitgevoerd:

int leeftijd = 13;
string naam = "Finkelstein";
string zin = $"Ik ben {naam} en ik ben {leeftijd} jaar.";

Je kende dit al uit hoofdstuk 1: op de plek van {naam} komt de inhoud van de variabele.

De accolades zijn lege vakjes in de zin.

Expressies in interpolatie

Tussen de accolades mag elke expressie:

string a = $"Ik ben {leeftijd + 4} jaar.";          // 17
string b = $"Je naam telt {naam.Length} tekens.";   // methode-aanroep
Console.WriteLine($"3 maal 9 is {3 * 9}");           // 27

De expressie wordt eerst berekend, dan in de tekst geplaatst.

Stagiair Steven vergeet iets

string naam = "Finkelstein";
Console.WriteLine("Hallo {naam}, welkom!");

Formatteren

Plaats een dubbelpunt na de expressie om de weergave te sturen:

double number = 12.345;
Console.WriteLine($"{number:F2}");   // 12,35  (afgerond, niet afgekapt)

• F2: kommagetal met 2 cijfers na de komma
• D5: geheel getal met minstens 5 cijfers (123 wordt 00123)
• E2: wetenschappelijke notatie (12000000 wordt 1,20E+007)
• C: geldbedrag volgens de landinstellingen

Formatteren met een masker

double number = 12.3;
Console.WriteLine($"{number:0.00}");    // 12,30
Console.WriteLine($"{number:000.00}");  // 012,30

De +-operator op strings

+ plakt strings aan elkaar (concatenatie):

string zin = "Ik ben " + naam + " en ik ben " + leeftijd + " jaar.";

Zelfde resultaat, maar je let zelf op de spaties en de zin valt in stukken. Voor zulke zinnen: interpolatie.

Wanneer wél +?

Lange tekst over meerdere lijnen, met + op het lijneinde:

Console.WriteLine("Je wordt wakker in een donkere kamer. " +
                  $"Het enige licht komt van een scherm, {naam}. " +
                  "Typ START om te beginnen.");

Opletten met de volgorde bij +

Bij + met strings en getallen door elkaar, van links naar rechts:

Console.WriteLine("1" + 1 + 1);     // 111
Console.WriteLine(1 + 1 + "1");     // 21
Console.WriteLine("1" + (1 + 1));   // 12

De linkse operand bepaalt het resultaat bij twijfel: "1" + 1 wordt "11", en dat stuk is dan de linkse operand voor de volgende stap.

Zodra een string meedoet, is het resultaat een string. Haakjes gaan voor.

De char-val: ‘A’ + ‘B’

char letter1 = 'A';
char letter2 = 'B';
Console.WriteLine(letter1 + letter2);

Speciale UNICODE-tekens tonen

Console.OutputEncoding = System.Text.Encoding.UTF8;

Drie manieren, één teken

Zoek de hexadecimale waarde op in een UNICODE-tabel (symbl.cc), voor © is dat 00A9:

Console.WriteLine("©");         // 1. het teken zelf plakken
char copyright = (char)0x00A9;  // 2. de code casten naar char
Console.WriteLine(copyright);
Console.WriteLine("\u00A9");    // 3. de \u-notatie in een string

En emoji?

Een char gaat maar tot 0xFFFF, en \u verwacht exact vier cijfers. Emoji zitten daarboven:

char blij = (char)0x1F600;        // compileert niet
Console.WriteLine("\U0001F600");  // wel: hoofdletter U, acht cijfers

UNICODE-kunst

Multiline ASCII-art toon je met een verbatim string @:

string titel = @"
 _______ _____
|__   __|  __ \
   | |  | |  | |
   | |  | |  | |
   |_|  |_|__/ ";
Console.WriteLine(titel);

Raw string literals

Nadeel van @: ook de spaties waarmee je je code inspringt horen bij de string. Sinds C# 11 kan het netter, met drie aanhalingstekens:

string titel = """
     _______ _____
    |__   __|  __ \
       | |  | |  | |
       |_|  |_|__/
    """;

• De sluitende """ bepaalt welke inspringing weggeknipt wordt
• Backslashes en \t blijven letterlijk, net als bij @
• Een $ ervoor mag ook: $"""..."""

De Environment-bibliotheek

Console is maar één bibliotheek. Environment vertelt iets over de machine waarop je programma nú draait:

string gebruiker = Environment.UserName;
string pcnaam = Environment.MachineName;
int aantalProcessoren = Environment.ProcessorCount;

Console.WriteLine($"Hallo {gebruiker}, welkom op {pcnaam}.");
Console.WriteLine($"Hallo {Environment.UserName}!");   // ook zonder tussenvariabele

Zelf op ontdekking

long geheugen = Environment.WorkingSet;
Console.WriteLine($"Dit programma gebruikt {geheugen / 1024 / 1024} MB geheugen");

WorkingSet is het geheugen dat Windows aan je programma toewees. Dat getal verschilt per pc, en zelfs bij elke run.

Programma afsluiten

Environment.Exit(1);

Stopt je programma onmiddellijk. Alles wat erna staat, wordt niet meer uitgevoerd.

• Het getal is de exitcode: 0 betekent “alles goed”, elk ander getal “er ging iets mis”
• Je zag ze al staan in Visual Studio: exited with code 0

Zoek de fout

Deze regel wil tonen waar een bestand bewaard werd, maar de uitvoer ziet er raar uit:

Console.WriteLine("Bestand bewaard in C:\temp\notities.txt");

Bestand bewaard in C:    emp
otities.txt

Conclusie

• Een char is één teken (een 16-bit getal), een string is een reeks chars
• UNICODE (UTF-16 in .NET) volgt ASCII op en bevat meer dan een miljoen tekens
• Escape characters (\n, \t, \") sturen hoe tekst geïnterpreteerd wordt; @ en """ schakelen ze uit
• String interpolation ($"...{expressie}...") is de standaardmanier om variabelen in tekst te plaatsen; + vooral om lange tekst over meerdere lijnen te splitsen
• Let op de char-val ('A' + 'B' = 131) en op machine-afhankelijke formattering
• Environment geeft info over de machine (UserName, MachineName, NewLine) en Exit(0) stopt je programma met een exitcode

Meer weten

Kennisclips

• Char en strings
• Escape characters
• String interpolation
• Unicode tonen
• Environment bibliotheek

Oefeningen H3 · Quizlet flashcards

Zie verder: andere talen

Dezelfde concepten uit dit hoofdstuk, maar dan in andere talen. Handig om later code in Python of JavaScript te leren lezen.

Zie verder: string als char-array

In C bestaat er geen echt string-type. Tekst is daar letterlijk een array van char, afgesloten met een null-karakter \0:

char woord[] = "Tim";   // {'T', 'i', 'm', '\0'}
printf("%s\n", woord);

In C# is string een volwaardig type met handige methodes. Het idee “een string is een reeks chars” zie je in C dus heel letterlijk terug.

Zie verder: het verbatim-idee elders

Python kent net hetzelfde, daar heet het een raw string. Je plaatst een r voor de string in plaats van een @:

met_r = r"C:\Temp\Myfile.txt"

Backslashes worden gewoon als tekst behandeld, niet als escape character. Handig voor bestandspaden en reguliere expressies.

Zie verder: interpolatie elders

Python (f-string) en JavaScript (template literal) doen exact hetzelfde, met een ander tekentje vooraan:

zin = f"Ik ben {naam} en ik ben {leeftijd} jaar."

const zin = `Ik ben ${naam} en ik ben ${leeftijd} jaar.`;

Samenvattende poster

Een handige samenvattende poster (Opgelet: gemaakt m.b.v. ChatGPT Image Gen 2).