karakterláncokat

A karakterlánc egy vagy több karakter sorozatából álló adathalmaz, amely szöveg vagy más adatok reprezentálására szolgál. A legtöbb programozási nyelvben a karakterláncok olyan adatszerkezetek, amelyek szövegek és azonosítók tárolására használhatók. Sok nyelvben a karakterláncok immutábilisak, így módosítás esetén új példány keletkezik; vannak azonban nyelvek, amelyek mutatható vagy módosítható karakterláncokat kínálnak.

A karakterláncok belső reprezentációja gyakran Unicode-alapú. A Unicode meghatározza a karaktereket, a tárolás pedig általában kódolás szerint történik. A leggyakoribb formátum a UTF-8, amely változó hosszúságú kódpontokat alkalmaz. Emiatt egy megjelenített karakter több kódpontból állhat, például összetett ékezetek esetén. A Unicode normalizációs formái, például NFC és NFD, segítenek abban, hogy azonos logikájú karakterláncok egységes reprezentációt öltsenek fel.

Műveletek és korlátok: A karakterláncok tartalmazzák a hossz meghatározását, összefűzést, rész-szegmensek kivágását és indexelést; gyakran támogatják a keresést és a cserét is. Több nyelvben a hossz szó a számolt kódpontok számát jelöli, nem pedig a felhasználói megjelenés szerinti karakterek számát, mivel egyes kódpontok több kódolási egységben jelenhetnek meg. Fontos szempont a kódolás- és környezettől függő helyes kezelése, a bemeneti adatok normalizálása és az escape-mentesítés.

Korszerű alkalmazások közé tartozik a szöveges adatok tárolása és feldolgozása, felhasználói felületek megjelenítése, illetve adatok továbbítása JSON, XML és adatbázisok felé. A helyes karakterlánc-kezelés elengedhetetlen a nemzetközi alkalmazásoknál, hiszen a hibás kódolás vagy összehasonlítás helytelen eredményeket adhat.