Műveletek sztringeken

A sztringek nem listák az Elixirben – még csak nem is kollekciók –, de mivel kényelmes listaszerűen kezelni őket, a String modulban vannak ezt lehetővé tevő függvények.

Kódpont és graféma

Két fogalmat kell megkülönböztetnünk:

• A kódpont (code point) egyetlen Unicode-karakter, amelyet egy vagy több bájt ábrázol.

  iex> {byte_size("á"), String.length("á")}
  {2, 1}
  

• A graféma (grapheme cluster, röviden grapheme) egy vagy több kódpont, amely egyetlen karakternek látszik. Az alábbi str két kódpontból áll: az e betűből és az utána álló, az előző betűre ráíródó kalapból (U+0302, Combining Circumflex Accent); együtt egyetlen grafémát, az ê-t alkotják.

  iex> str = "\u0065\u0302"; {byte_size(str), String.length(str)}
  {3, 1}
  
  iex> "u\u0302"# U+0302 Combining Circumflex Accent
  "û"
  
  iex> String.codepoints(str)
  ["e", "̂"] # Két egykarakteres sztring van a listában.
  
  iex> String.graphemes(str)
  ["ê"] # Egyetlen egykarakteres sztring van a listában.
  

A String.length/1 a grafémákat számolja, a byte_size/1 a bájtokat.

A String modul függvényei

• <> a konkatenálás jele: "ál"<>"om".
• string első / utolsó grafémája, grafémáinak száma: first(string), last(string), length(string).
• Graféma a string pos pozíciójában: at(string, pos).
• Tartalmazza-e string a patts legalább egy elemét: contains?(string, patts).
• string elejéről / végéről / mindkettőről levágja a szóköz-jellegű (whitespace) UTF-8 karaktereket: trim_leading(string), trim_trailing(string), trim(string).

iex> str = " "<>" "<>"kutyafüle"<>" "; String.at(str, 8)
"ü"

iex> String.contains?(str, "ü")
true

iex> String.contains?(str, ["ü","ty","n"])
true

iex> String.contains?(str, ["n"])
false

iex> {String.trim_leading(str), String.trim(str)}
{"kutyafüle ", "kutyafüle"}

Mint a listánál, csak graféma-elemekkel: slice(string, range), slice(string, start, n), duplicate(string, n), reverse(string), starts_with?(string, prefix).

A sztring két darabra vágva adott pozícióban: split_at(string, pos) (párt ad eredményül); több darabra szabdalva az UTF-8 whitespace-ek mentén: split(string) (listát ad eredményül). A split/1 a vezető és záró UTF-8 whitespace-eket figyelmen kívül hagyja.

iex> str = "indulakutyasatyukaludni"; String.reverse(str)
"indulakuytasaytukaludni"

iex> String.starts_with?(str, "indula")
true

iex> {String.slice(str, 6..10), String.slice(str, -10..-7)}
{"kutya", "tyuk"}

iex> String.duplicate("indul ", 3)
"indul indul indul "

iex> String.split_at(" "<>" "<>"kutya füle macska farka"<>" ", 12)
{"  kutya füle", " macska farka "} # párt ad eredményül

iex> String.split(" "<>" "<>"kutya füle macska farka"<>" ")
["kutya", "füle", "macska", "farka"] # listát ad eredményül

Forrás: dp26a-fp2ea.pdf (41–43. dia)