Zeichenfolgen

Zeichenfolgen, im Fachjargon auch Strings genannt, sind Sequenzen von Zeichen, die in der Informatik zur Darstellung von Text, Bezeichnern und anderen Daten verwendet werden. Sie bestehen aus einzelnen Zeichen, die in einem Zeichensatz codiert sind. In der Praxis unterscheiden sich Zeichenfolgen vor allem durch die verwendete Codierung und die Art der Zeichenrepräsentation.

Die heute vorherrschende Codierung ist Unicode, umgesetzt durch Formate wie UTF-8, UTF-16 oder UTF-32. UTF-8 ist variabel codiert und abwärtskompatibel zu ASCII, während UTF-16 häufige Zeichen mit 16 Bit abbildet. Unicode trennt Codepunkte von der Darstellung in Speicherformen; ein einzelnes sichtbares Zeichen kann aus mehreren Codepunkten oder aus Graphemgruppen bestehen.

Typische Operationen mit Zeichenfolgen umfassen Längenbestimmung, Substrings, Verkettung, Vergleich, Suchen und Ersetzen. In vielen Programmiersprachen sind Zeichenfolgen unveränderlich, wodurch Modifikationen neue Objekte erzeugen; in anderen Sprachen können sie verändert werden. Die Laufzeit gängiger Operationen hängt größtenteils von der Länge der Zeichenfolge ab und ist oft linear.

Normalisierung ist ein wichtiger Aspekt bei Unicode: Formen NFC, NFD, NFKC und NFKD standardisieren die Reihenfolge und Darstellung von Zeichen, damit Vergleiche zuverlässig funktionieren. Besondere Herausforderungen ergeben sich durch Kombinationszeichen, Zuweisung von Schriftsprachen rechts nach links oder bidirektionale Textdarstellung.

Anwendungsgebiete reichen von einfacher Textverarbeitung über String-Suchen und Reguläre Ausdrücke bis hin zu Parsen, Formatkonvertierungen und natürlicher Sprachverarbeitung. Zeichenfolgen bilden die Grundlage vieler Softwarekomponenten, von Dateinamen über Benutzereingaben bis hin zu Kommunikationsprotokollen.