Merkkijonojen

Merkkijonot ovat tietokoneissa käytettyjä merkkien jonoja, joilla esitetään tekstiä. Ne voivat sisältää kirjaimia, numeroita, välimerkkejä ja muita symboleja. Merkkijonot tallennetaan muistissa siten, että kukin merkki vie tavujen määrän riippuen käytetystä koodauksesta. Yleinen perusta on Unicode, joka mahdollistaa kansainvälisen merkkien käsittelyn.

Unicode määrittelee merkkien kuvauksen, mutta niiden binäärinen tallennus toteutetaan erilaisilla koodauksilla; yleisimmät ovat UTF-8, UTF-16 ja UTF-32. Tästä seuraa, että merkkijonon pituus voi tarkoittaa sekä merkkien lukumäärää (koodipisteiden määrää) että käytettyjen tavujen kokonaismäärää. Lisäksi pituuden laskeminen voi vaihdella riippuen siitä, miten grapheme-ryhmät tai muut merkkien yhdistelmät määritellään ohjelmassa.

Yleisimmät merkkijonoon liittyvät toiminnot ovat yhdistäminen (konkatenointi), pituuden laskeminen, merkkien hakeminen ja viipaleet (substring/slicing), sekä korvaaminen ja muokkaaminen. Monissa ohjelmointikielissä merkkijonot ovat muuttumattomia (muuttumattomia), mikä tarkoittaa, että muokkauksen sijaan syntyy uusi merkkijono; joissakin kielissä ne ovat muokattavissa.

Käyttökohteita ovat tekstin käsittely, käyttöliittymät, tiedostojen lukeminen ja kirjoittaminen sekä verkkoprotokollat kuten JSON ja XML. Kansainvälisen tuen kannalta oikea merkkijonojen käsittely on tärkeää, erityisesti Unicode-normalisointi (NFC/NFD) sekä grapheme-ryhmien muodostamien merkkien asianmukainen huomiointi.