21 Ký tự và chuỗi II

Ta đã nói về chuyện kiểu char thực ra chỉ là kiểu số nguyên nhỏ, và ký tự nằm trong dấu nháy đơn cũng vậy.

Nhưng chuỗi trong dấu nháy kép thì có kiểu const char *.

Hóa ra còn vài kiểu chuỗi và ký tự nữa, và nó dẫn tới một trong những hang thỏ khét tiếng nhất của ngôn ngữ này: cả cái mớ multibyte/wide/Unicode/localization.

Ta sẽ ghé nhìn xuống hang thỏ đó, nhưng chưa chui vào. Chưa đâu!

21.1 Escape sequence

Ta quen với chuỗi và ký tự gồm chữ cái, dấu câu và số thông thường:

char *s = "Hello!";
char t = 'c';

Nhưng lỡ ta muốn nhét mấy ký tự đặc biệt mà bàn phím không gõ được vì nó không có ở đó (ví dụ “€”), hay kể cả khi ta muốn một ký tự là dấu nháy đơn, thì sao? Rõ ràng ta không thể viết:

char t = ''';

Để làm mấy chuyện này, ta dùng thứ gọi là escape sequence (chuỗi thoát). Nó là ký tự backslash (\) theo sau là một ký tự khác. Hai (hoặc nhiều) ký tự đi với nhau mang nghĩa đặc biệt.

Với ví dụ ký tự nháy đơn, ta có thể đặt một escape (tức là \) trước dấu nháy đơn ở giữa để giải quyết:

char t = '\'';

Giờ C biết \' nghĩa là dấu nháy thật mà ta muốn in ra, chứ không phải điểm kết thúc chuỗi ký tự.

Bạn có thể nói “backslash” hoặc “escape” trong ngữ cảnh này (“escape cái nháy đó đi”) và dân C sẽ hiểu bạn đang nói gì. Lưu ý “escape” ở đây khác với phím Esc hay mã ASCII ESC.

21.1.1 Mấy escape hay dùng

Theo ý tôi, mấy escape dưới đây chiếm 99.2%¹⁴⁰ của mọi escape.

Vài ví dụ về escape và cái chúng in ra:

printf("Use \\n for newline\n");  // Use \n for newline
printf("Say \"hello\"!\n");       // Say "hello"!
printf("%c\n", '\'');             // '

21.1.2 Mấy escape ít dùng

Còn nhiều escape khác nữa! Chỉ là bạn ít gặp chúng hơn.

21.1.2.1 Cập nhật trạng thái trên một dòng

Một ca dùng của \b hay \r là hiển thị cập nhật trạng thái trên cùng một dòng màn hình mà không làm nội dung cuộn. Đây là ví dụ đếm ngược từ 10. (Nếu compiler của bạn không hỗ trợ threading, bạn có thể dùng hàm POSIX không chuẩn sleep() từ <unistd.h>, nếu không ở hệ Unix-like, tìm nền tảng của bạn cộng với sleep để có cái tương đương.)

#include <stdio.h>
#include <threads.h>

int main(void)
{
    for (int i = 10; i >= 0; i--) {
        printf("\rT minus %d second%s... \b", i, i != 1? "s": "");

        fflush(stdout);  // Force output to update

        // Sleep for 1 second
        thrd_sleep(&(struct timespec){.tv_sec=1}, NULL);
    }

    printf("\rLiftoff!             \n");
}

Có kha khá chuyện xảy ra ở dòng 7. Đầu tiên, ta mở đầu bằng \r để về đầu dòng hiện tại, rồi ghi đè lên bất cứ thứ gì đang ở đó bằng đoạn đếm ngược hiện tại. (Có toán tử ternary ở đó để đảm bảo ta in 1 second chứ không phải 1 seconds.)

Cũng có một khoảng trắng sau ... Đó là để ta ghi đè đúng dấu . cuối cùng khi i tụt từ 10 xuống 9 và ta bị hụt đi một cột. Thử bỏ khoảng trắng đó đi để thấy tôi muốn nói gì.

Và ta kết bằng \b để lùi qua khoảng trắng đó cho con trỏ nằm đúng cuối dòng, cho đẹp.

Chú ý dòng 15 cũng có nhiều khoảng trắng ở cuối để ghi đè các ký tự còn sót lại từ đoạn đếm ngược.

Cuối cùng, có một dòng fflush(stdout) lạ lạ, mà không hiểu nghĩa là gì. Ngắn gọn là phần lớn terminal mặc định line buffered, nghĩa là chúng không thật sự in ra gì cho tới khi gặp ký tự newline. Vì ta không có newline (chỉ có \r), nếu không có dòng đó, chương trình sẽ ngồi im cho tới lúc Liftoff! rồi in tất cả trong một nháy. fflush() ghi đè hành vi này và ép output diễn ra ngay bây giờ.

21.1.2.2 Escape cho dấu hỏi

Sao phải bận tâm chuyện này? Cái này chạy tốt mà:

printf("Doesn't it?\n");

Và dùng escape cũng chạy tốt:

printf("Doesn't it\?\n");   // Note \?

Vậy thì để làm gì??!

Ta nhấn mạnh hơn chút với thêm một dấu hỏi và một dấu chấm than:

printf("Doesn't it??!\n");

Khi tôi compile cái này, tôi nhận được cảnh báo:

foo.c: In function ‘main’:
foo.c:5:23: warning: trigraph ??! converted to | [-Wtrigraphs]
    5 |     printf("Doesn't it??!\n");
      |    

Và chạy nó thì cho kết quả khó tin:

Doesn't it|

Vậy trigraph? Cái quái gì đây??!

Tôi chắc ta sẽ quay lại cái góc bụi bặm này của ngôn ngữ sau, nhưng ngắn gọn là compiler tìm một số bộ ba ký tự nhất định bắt đầu bằng ?? rồi thay chúng bằng ký tự khác. Vậy nếu bạn đang ngồi trước một terminal cổ lỗ sĩ không có ký hiệu pipe (|) trên bàn phím, bạn có thể gõ ??! thay thế.

Bạn có thể sửa bằng cách escape dấu hỏi thứ hai, kiểu vầy:

printf("Doesn't it?\?!\n");

Và rồi nó compile và chạy như mong đợi.

Tất nhiên, ngày nay chẳng ai dùng trigraph nữa. Nhưng cái ??! đó đôi khi vẫn xuất hiện nếu bạn quyết định dùng nó trong một chuỗi để nhấn mạnh.

21.1.3 Escape dạng số

Ngoài ra, còn có các cách để chỉ định hằng số hay giá trị ký tự khác bên trong chuỗi hay hằng ký tự.

Nếu bạn biết biểu diễn octal hay hexadecimal của một byte, bạn có thể đưa nó vào một chuỗi hay hằng ký tự.

Bảng dưới có các con số ví dụ, nhưng bất kỳ số hex hay octal nào cũng dùng được. Pad thêm số 0 đầu nếu cần để đủ số chữ số.

Đây là ví dụ dùng ký pháp octal ít gặp để biểu diễn chữ B nằm giữa A và C. Thường cách này được dùng cho ký tự đặc biệt không in được, nhưng ta có cách khác để làm thế bên dưới, đây chỉ là demo octal thôi:

printf("A\102C\n");  // 102 is `B` in ASCII/UTF-8

Chú ý không có số 0 đầu ở số octal khi bạn viết theo kiểu này. Nhưng nó cần đúng ba ký tự, nên hãy pad thêm số 0 đầu nếu cần.

Nhưng phổ biến hơn nhiều ngày nay là dùng hằng hex. Đây là một demo mà bạn không nên dùng, nhưng nó minh họa việc nhúng các byte UTF-8 0xE2, 0x80, và 0xA2 vào trong một chuỗi, ứng với ký tự Unicode “bullet” (•).

printf("\xE2\x80\xA2 Bullet 1\n");
printf("\xE2\x80\xA2 Bullet 2\n");
printf("\xE2\x80\xA2 Bullet 3\n");

Sinh ra output sau nếu bạn đang ở console UTF-8 (hoặc có khi là rác nếu không):

• Bullet 1
• Bullet 2
• Bullet 3

Nhưng đó là cách lởm khởm để làm Unicode. Bạn có thể dùng escape \u (16-bit) hoặc \U (32-bit) để tham chiếu Unicode bằng số code point thẳng luôn. Bullet là 2022 (hex) trong Unicode, nên bạn có thể làm vầy để có kết quả portable hơn:

printf("\u2022 Bullet 1\n");
printf("\u2022 Bullet 2\n");
printf("\u2022 Bullet 3\n");

Nhớ pad \u đủ số 0 đầu cho đủ bốn ký tự, và \U đủ để ra tám.

Ví dụ, cái bullet đó có thể làm bằng \U với bốn số 0 đầu:

printf("\U00002022 Bullet 1\n");

Ai rảnh mà dài dòng thế?