Les chaînes de caractères
Partie 2 sur 3
3Les fonctions de string.h
La bibliothèque standard comprend environ quarante fonctions pour les chaînes, déclarées dans le fichier d’en-tête <string.h>, qu’on inclut par #include <string.h>. Les plus utiles :
strlen(s): longueur des;strcpy(dest, src): copiesrcdansdest;strcat(dest, src): ajoutesrcà la fin dedest;strcmp(a, b): compare deux chaînes ;strchr(s, c)etstrstr(s, t): cherchent un caractère ou un texte danss.
3.1Copier avec strcpy
La fonction strcpy (« string copy ») copie une chaîne entière dans une autre zone. On affirme parfois qu’elle « retourne 1 si la copie s’est effectuée correctement, sinon 0 ». C’est faux : elle renvoie un pointeur (une adresse mémoire) vers la destination, et ne signale aucune erreur. Pire, elle ne vérifie pas que la destination est assez grande : elle copie tant qu’elle ne rencontre pas de zéro dans la source. Si la source est plus longue que la destination, la copie écrase la mémoire voisine. C’est un dépassement de tampon, expliqué dans « Le coin cyber » en fin d’article.
3.2Comparer avec strcmp
On note avec raison qu’on ne peut pas comparer deux chaînes avec == : ce serait comparer les adresses des deux tableaux, non leur contenu. Il faut utiliser strcmp (« string compare »). Mais on décrit parfois son résultat de façon fausse. strcmp renvoie 0 si les chaînes sont identiques, un nombre négatif si la première vient avant l’autre dans l’ordre des caractères, un nombre positif sinon, et pas seulement 1. Cette valeur sert à trier. On écrit donc if (strcmp(a, b) == 0) pour tester l’égalité.
3.3Les versions plus sûres
Les variantes strncpy, strncat et strncmp prennent une limite en paramètre. Elles ont leurs propres pièges (strncpy n’ajoute pas toujours le zéro final). On préfère aujourd’hui snprintf, qui écrit dans une zone en respectant sa taille et ajoute toujours le terminateur : snprintf(dest, sizeof dest, "%s", src);. La fonction gets(), qui lisait une ligne sans connaître la taille de la zone, était si dangereuse qu’elle a été retirée de la norme du C en 2011. En C++, on évite tout cela en utilisant le type std::string, qui gère sa taille seul, se compare avec == et se concatène avec +.
4Caractères spéciaux et échappement
Certains caractères ne peuvent pas s’écrire tels quels dans une chaîne : le retour à la ligne, la tabulation, ou le guillemet lui-même, qui fermerait la chaîne. On les écrit avec un antislash (\) suivi d’une lettre : c’est une séquence d’échappement. Voici l’essentiel, valable en C, C++ et JavaScript :
\n: retour à la ligne ;\t: tabulation ;\r: retour du chariot (au début de la ligne) ;\"et\': guillemet double et apostrophe ;\\: l’antislash lui-même ;\0: caractère nul (C et C++) ;\a: signal sonore ;\b: retour arrière (effacement du caractère précédent) ;\f: saut de page ;\v: tabulation verticale (surtout en C et C++).
En JavaScript, on décrit parfois \b comme « touche de suppression », \f comme « formulaire plein » et \r comme « appui sur la touche Entrée ». Ces descriptions sont inexactes : \b est un retour arrière, \f un saut de page, \r un retour du chariot. Pour stocker Qu'y a-t-il dans "c:\windows\", il fallait écrire "Qu'y a-t-il dans \"c:\\windows\\\"", ou délimiter avec des apostrophes : 'Qu\'y a-t-il dans "c:\\windows\\"'. JavaScript permet depuis 2015 un troisième délimiteur, l’accent grave, qui accepte les retours à la ligne et l’insertion de variables au milieu du texte.
5Un caractère n’est pas un octet
Les langages anciens supposaient souvent qu’un caractère tient dans un octet (huit bits). Ce n’est vrai que pour l’ASCII. Aujourd’hui, la manière dominante d’enregistrer du texte est l’UTF-8, où un caractère occupe de un à quatre octets : les 128 signes de l’ASCII en prennent un, les lettres accentuées de l’Europe en prennent deux, le signe euro en prend trois, et certains émojis quatre.
Conséquence : strlen("Côte d'Ivoire") en C renvoie 14, car il compte les octets (le « ô » en occupe deux) alors que le nom compte 13 caractères. La figure 2 illustre ce décalage. Le calcul d’une position, d’une longueur de champ ou d’un découpage doit en tenir compte, faute de quoi on coupe un caractère en deux et on obtient des signes illisibles.