лекция 7 (Языки программирования (лекции) (2008))

Языки программирования. Лекция 7.

На прошлой лекции обсуждались арифметические типы данных и перечислимый тип. Перечислимый тип является разновидностью порядкового типа, который основан на понятии целочисленного типа данных.

Порядковые типы:

1. Перечисление

2. Диапазон

Перечислимый тип

В современных ЯП существуют две точки зрения относительно перечислимых типов:

1. перечислимые типы усложняют язык, ничего не внося, т.е. и надежность, и документированность у них есть, но они противоречат чисто объектно-ориентированному стилю – они не расширяемы. Именно поэтому из некоторых современных объектно-ориентированных языков перечисление убрано вовсе – Оберон, Java. Вместо перечисления используются наборы целочисленных констант.

2. однако в ряде языков, отметим Си#, Си++, перечисление осталось. Из соображений совместимость перечисление в Си++ носит на себе все «родимые пятна» перечисления из языка Си. Так перечисление в Си есть ни что иное, как просто удобный способ именования констант от 0 до N-1.

Кроме того, пусть

enum C {C1,C2, …, Cn};

enum C c;

int x;

x = c; // допустимо, так как присваивается значение от 0 до N-1

Таким образом, в Си есть неявное преобразование из перечислимого типа в целочисленный, что безопасно, хотя сравниваются идейно различные величины. Хуже то, что допустимо такое присваивание:

c = x; // допустимо для любого х

можно написать с=-1; что формально никакого смысла не имеет, но, тем не менее, допустимо. Такой перечислимый тип используется исключительно для короткого способа задания набора целочисленных констант от 0 до N-1.

В Си++ такой подход с одной стороны был неприменим – если мы называем что-либо типом данных, то это должен быть тип данных, например на основе типа данных мы должны иметь право устраивать перекрытия. И, следовательно, в Си++ мы имеем право писать:

void f (enum c);

void f(int i);

И это все должно быть допустимо в одной и той де области видимости.

С одной стороны неявные преобразования перечислимого и целочисленного типов нехороши. Хотя есть определенное удобство в применении некоторых целочисленных операций к перечислимому типу.

Например, в языке Паскаль порядковые типы (дискретные) отличались от остальных наличием двух операций:

1. succ –взятие следующего элемента (аналог прибавления единицы у целочисленного типа)

2. pred – взятие предыдущего элемента (аналог вычитания единицы у целочисленного типа)

Эти операции использовались в циклах, так в цикле for можно было употреблять любой дискретный тип, поскольку там использовались succ и pred. А циклы типа for в Паскаль использовались для того, чтобы бродить по массивам – ходить по диапазону индексов.

Теперь ситуация с массивами простая – все массивы начинаются с 0 и заканчиваются на N-1, следовательно нужда в перечислениях как в диапазонах просто отпадает.

Как мы уже отмечали, перечислимый тип – это, прежде всего удобный способ именования констант – одновременно именуем и присваиваем значение. Одним из частных случаев констант являются флаги. Для флагов перечисления хороши – так как если используется сложение и вычитание элементов перечислимого типа – то можно использовать целочисленный тип, а вот именно для флагов удобно использовать логические комбинации – побитовые операции and и or. К сожалению, создатели языка Си++ не мог воспользоваться такими возможностями, так как:

1. надо было сделать enum нормальным тд

2. обеспечить совместимость с Си

Поэтому в Си++ принято другое решение – над элементами перечислимого тд допускаются произвольные целочисленные операции, т.е. существует неявное преобразование из любого enum в int, а обратное преобразование может быть только явным, при этом никаких действий по проверке компилятор не предпринимает. Языки Си и Си++ характеризует отсутствие квазистатического контроля. Квазистатический контроль – это контроль, если соответственно компилятор знает значение, он выполняет его статически, а если не знает, то откладывает, программирует эту проверку на период выполнения. В языках с квазистатическим контролем

V:=const; // если это недопустимо и выдается сообщение об ошибке – то выполняется статический контроль

V:=x; // выполняется квазистатический контроль, проверка откладывается

В Си, как высокоуровневом ассемблере (в ассемблере контроля вообще нет), квазистатический контроль отсутствует, как следствие крайне высокая эффективность программ и никакого лишнего кода. Тот же принцип и в основе Си++, если программист хочет какой-то квазистатический контроль то пусть его и вставляет, т.е. если что-то не проверяется на этапе выполнения оно же не будет проверяться на этапе компиляции.

Пример:

С с;

int x;

x = c; // абсолютно допустимо и неявное преобразование

c = (enum C) x; // написанное таким образом не вызывает не довольства компилятора, никаких действий по проверке не предпринимается, и если х = -1 , то все на усмотрение программиста.

И дополнительно в Си++ появилась удобная возможность непосредственного присваивания значений константам:

C {c1 = -1; c2 = 0, c3 = 1, …, cn = (любое константное выражение)} – это особенно удобно, если под элементами перечисления понимаются флаги - read = 1, write = 2, readwrite = комбинация read и write. Такие перечисления не очень надежны, зато наглядны и более или менее достигается совместимость со старыми программами на Си. Базовым типом для любого перечисления является целочисленный.

В Си# оставлено перечисление не смотря на то, что это объектно-ориентированный язык. Причина в том, что Си# ориентируется как базовый язык платформы .Net, в которой поддерживается как чисто объектно-ориентированный стиль программирования (так Си# обладает большинством черт языка Java), так и элементы императивного и даже компонентного программирования. В Си# императивное программирование поддерживается в специальных конструкциях unsafe{}, эта конструкция говорит о том, что в блоке употребляются потенциально небезопасные конструкции. Такими конструкциями можно считать:

1. указатели (указатели в стиле языка Си)

2. обращения к runtime библиотекам языка Си – такие как malloc и free (в .Net основная библиотека Net Framework безопасна. Например, внутри коллекций всегда осуществляется контроль за индексами, мы не можем достать не существующий элемент, не можем испортить коллекцию. Аналогично для распределения динамической памяти используется один и тот же алгоритм для всех языков, для всех элементов библиотеки)

3. если класс помечен как unsafe, то все функции-члены могут использовать небезопасные конструкции

При пометке unsafe компилятор языка Си# генерирует такой же код, как генерировал бы компилятор языка Си++.

А так как Си# должен поддерживать компонентное программирование то поддерживают следующую парадигму – язык предназначен и для использования готовых компонент, которые написаны на любых языка системы .Net, и для написания соответствующих компонент. Удобней всего писать компоненты на Си#, хотя также можно использовать Visual Basic и управляемый Си++. Поэтому и остались перечисления, ведь компоненты – это своеобразный «черный ящик», который не надо наследовать, а которые надо только использовать в бинарном виде. Как создатели Си# обошли проблемы, которые стоят перед перечислим типом:

1.расширяемость – не нужно использовать перечисления, там где речь не идет о расширяемости, т.е. о создании готовых компонент

Например, текстовый редактор – ничего от него не надо наследовать, только использовать. И при выравнивании текста можно создать перечислимый тип из трех элементов – влево, вправо, по центру.

2. эффективность – есть возможность управления базовым типом перечисления

общий вид перечисления такой:

enum имя: базовый_тип //произвольный целочисленный тд, по умолчанию int

{

имя = значение,

имя = значение,

};

3.была такая проблема – импорт имени перечислимого типа влечет за собой импорт целой совокупности имен. В Си# решено так, что соответствующие перечислению имена констант локализованы внутри перечисления – доступ только имя_типа.имя_константы.

Enum Color {red, green, blue} и Color.red – правильное обращение и конфликта имен просто не возникает.

Кроме того, подчеркнем, что в Cи# есть еще понятие класса и понятие пространства имен и доступ к элементам как внутри класса, так и в нутрии перечисления, так и внутри пространства имен осуществляется только через оператор «.»( точка).

4. надежность – в Си# нельзя неявным образом преобразовывать одни перечислимые типы в другие и перечислимые типы в целочисленные (это не касается константы 0, там особая ситуация). Необходимы явные преобразования, которые являются контролируемыми.

Color c;

c = 1; // ошибка

c = (Color) 1; // правильно

c = (Color) (-1); // ошибка

int x;

x = c; //ошибка

c = x; //ошибка

c = (Color) x; //квазистатический контроль

x = (int) c; //преобразования не будет – проверка диапазона, например могут быть разные целочисленные типы, кроме того подчеркивается разница типов

5. при использование флагов введена конструкция – допускающая операции and и or

[flags]¹ enum OpenMode {Read = 1, Write = 2, ReadWrite = Read | Write}

Диапазон

Впервые этот тип появился в Паскале, и диапазон можно было установить над любым дискретным типом (таким чтобы присутствовали операции succ и pred). Диапазон – это набор значений базового типа, который ограничен значениями L и R, при этом L <= R.

Синтаксис может различаться.

1. в Модуле 2: [L..R]

2. в Ада: базовый_тип range L..R;

Базовый тип должен присутствовать в определении диапазона если по внешнему виду L и R (константы) не понятно к какому типу они относятся. Ада любые различные типы несовместимы, а в Модуле 2 есть два целочисленных типа – integer и cardinal, которые несовместимы. Если базовый тип опущен – то используется integer.

Диапазоны присутствовали в Модула 2, Ада, но в Java, Си# и Оберон никаких диапазонов нет, что связано с реализацией массивов, так в 90% случаев диапазоны используются как диапазоны массивов. Во многих языках массивы имеют установленный диапазон от 0 до N-1, для альтернативных пользовательских диапазонов используются схемы, сводящие их к стандартным схемам.

В Фортране массивы начинались с 1, но начинать их с 0 эффективней, ведь тогда A[i] - *(A+i), а другом случае *(A+i-1). В Алголе60 неявно появилось понятие диапазона, которое развилось в Паскале. Процесс перехода от произвольного отрезка к (0, N-1) отражает снижение доли научных расчетов в общей доли программ. В современный языках диапазон сам по себе не нужен – ведь можно написать любой необходимый класс.

Символьный тип

Раньше компьютеры предназначались для обработки числовой информации, сейчас же основная задача – обработка символьной информации.

Во всех современных языках (появившиеся в 90-ые годы – Си# и Java) есть два момента заслуживающих рассмотрения.

1.рвут страницы интерпретации символьного типа, как числового. В Си и Си++ char – арифметический тип, в остальных языках символьные типы данных никак не связаны с арифметическими, хотя преобразования из integer в char всегда есть – в Паскаль (ord,chr). В Аде символьный тип – просто перечислимый тип.

2.проблема использования национальных языков.

Так проблема русификации возникала на западных машинах с 7-битной кодировкой. Изначально программы ориентировались в большинстве своем на западноевропейские языки. Присутствовали две основные кодировки:

ASCII-7 – 7-битная кодировка (американский стандартный код для обмена информации), символы с номерами от 0 до 127

ISO-Latin-1 – символы с кодом от 0 до 127 совпадают с ASCII, кроме того был символы от 128 до 255 (использовались для западноевропейских языков), не входят польский, хорватский, венгерский и прочие восточноевропейские языки.

Проблемы возникли, так как на всю группу индоевропейских языков 256 символов не хватает, и многие языки не из основной группы поддерживались неадекватно, отсюда и появились проблемы кодовых страниц, проблема charset (набор символов). Все символы необходимо было свести к набору от 0 до 255, которого просто не хватало. Решение было следующим – ASCII поддерживалось всеми, а остальное занималось национальными кодами, так появились разнообразные кодировки. Для кириллицы – CP1251, KOИ8-Р, DOS 866 и прочие (для почтовых систем, для удобной печати).

В принципе все было нормально, до тех пор, пока не пришлось использовать иероглифические языки – никакая кодовая страница не помогала.

• Проблема появилась на самом деле когда IBM выбрала единицей адресуемой памяти байт - 8 битов, посчитав, что 8 битов будет вполне достаточно для кодировки английского языка и языков потенциальных заказчиков (страны за железным занавесом не рассматривались, азиатские страны тоже). Сформировалось понятие SBCS – Single Byte Character Set, появилась кодировка – ДКОИ-8.

• Позже японцы изобрели MBCS (multi, где символ может занимать от 1 до N байтов), требовалось 13 битов, однако все компьютеры байтоориентированы. Кодировка JIS – использовала 2 байта, но ее не было в компьютерах, тогда возникла кодировка Shifted JIS -

А)если символ от 0 до 127, то это символ из ASCII-7

Б)если символ больше 127, то он оккупирует 2 байта и его значение из JIS

В такой системе символы ASCII-7 отображаются как обычно, а для прочих нужны специальные устройства отображения.

• Китайского, тайского и корейского языков изобрели DBCS (double) – для всех символов нужны специальные устройства отображения.

Решение стандартизации нашли в виде Universal Character Set (UCS). Зафиксировали значения – и каждому алфавиту выделили свой диапазон значений – юникодовская зона, например, кириллической зоне соответствуют коды >= 0х401. а для максимальной совместимости первые 256 символов совпадают с ISO-Latin-1. UCS-2 – двухбайтный стандарт, позже UCS -4 – четырехбайтный стандарт. При этом Unicode 3.0 примерно соответствует UCS-2 (различия в кодировке некоторых японских символов). UCS-4 получался из UCS-2 дописыванием нулей в 2 старших байта. В результате одна и та же программа может обрабатывать данные на различных языках.

Windows 95, 98, ME не использовали Unicode, как следствие в notepad (который сделан на базовом элементе управления) нельзя использовать одновременно русский, английский и например французский – так как для SBCS надо выбрать фиксированный code page – либо 1251 (для англ. и русс.), либо ISO-Latin-1 (франц. и англ.).

Unicode – средство для хранения универсального набора символов. Однако кроме манипуляций может происходить и передача данных, для которой фиксированная разрядность не лучшее решение. Приняли UTF (может помочь снизить объем транспортируемой информации) – UCS Transformation Format. UTF-8 - способ многобайтового представления символов UCS-2, это набор байтов представляющий многобайтовые последовательности:

0

А) от 0 до 127 и старший бит 0 – то ASCII-7 старшие биты 11 – всего 2 байта

11

0

5 бит

1

0

6 бит

старшие биты 111 – всего 3 байта

111

0

4 бита

1

0

6 бит

1

0

6 бит

Б) от 128 до 2047 - 2 байта

В) старше 2047 – 3 байта