tekstreeksen

Tekstreeksen zijn opeenvolgende tekens die samen een stuk tekst voorstellen. In informatica worden ze vaak strings genoemd en vormen ze een basiseenheid voor opslaan, verwerken en weergeven van tekst in software en databases.

In computergeheugen kunnen tekstreeksen op verschillende manieren worden opgeslagen. Ze bestaan uit codepunten, die in het geheugen kunnen worden verpakt als bytes of als getallen. In Unicode kunnen dezelfde tekstreeksen op verschillende manieren worden gecodeerd, bijvoorbeeld UTF-8 of UTF-16. Omdat Unicode-codepunten combinaties van tekens kunnen bevatten, betekent dit dat de lengte van een tekstreeks in tekens kan afwijken van de lengte in bytes. Bij vergelijking en sortering wordt vaak gewerkt met normalisatie: NFC en NFD.

Veelvoorkomende bewerkingen: lengte berekenen, substring ophalen, concatenatie, zoeken en vervangen, splitsen op scheidingstekens, samenvoegen, trimming van whitespace, en hoofdletter-conversies. In veel talen zijn tekstreeksen immuun tegen verandering (immutable); in anderen kunnen ze worden aangepast op plaats. Bij representatie wordt ook gesproken over grapheme clusters als gebruikers-perceptie van een teken verschilt van een enkele codepunt.

Toepassingen en overwegingen: tekstverwerking, invoer/uitvoer, bestands- en netwerkberichten, en lokalisatie. Programmeeromgevingen bieden bibliotheken voor Unicode-compatibele verwerking. Belangrijke aandachtspunten zijn encodingfouten, normalisatie bij vergelijking, locale-gevoelige sortering, en beveiliging tegen injectie bij het verwerken van tekst uit onbetrouwbare bronnen.

Tekstreeksen vormen een fundamenteel concept in zowel informatica als taalkunde en vormen de ruggengraat van vrijwel elke software die met tekst werkt.