文字列リテラル

文字列リテラル、または匿名文字列とは、ソースコード内の文字列値を表すリテラルです。一般的に、プログラミング言語には、括弧（通常は引用符）で囲まれた一連の文字である文字列リテラルというコード構造が含まれています。多くの言語では、テキストは文字列リテラルとしてエンコードされますが、他にも多くのバリエーションがあります。"foo"foo

引用符を使用する場合、文字列リテラルで区切り文字自体を表現しようとすると、区切り文字の衝突という問題に遭遇します。たとえば、区切り文字が二重引用符の場合、2 番目の引用符が"""文字列の値ではなく文字列リテラルの終わりとして解釈されるため、リテラルで二重引用符自体を単純に表現することはできません。同様に、"This is "in quotes", but invalid."中央の引用符で囲まれた部分が引用符の外側として解釈されるため、と記述することもできません。さまざまな解決策がありますが、最も一般的なのは、やなどのエスケープシーケンスを使用することです"\""。"This is \"in quotes\" and properly escaped."しかし、他にも多くの解決策があります。

Tcl の波括弧のようなペアの引用符は、ネストされた文字列を許可しますが、{foo {bar} zork}それ以外の方法では区切り文字の衝突の問題を解決しません。なぜなら、不均衡な閉じ区切り文字は、のように単純に含めることができないからです{}}。

「このパスカル文字列にはアポストロフィが2つ含まれています」

「聞こえますか？」と私は言った。

「これはジョンのリンゴだよ。」「聞こえますか？」と私は言った。

「私は『これはジョンのリンゴです』と言いました。」

「これはジョンのリンゴだよ」と私は言った。

qq^私は「聞こえますか？」と言いました。^ qq@私は「聞こえますか？」と言いました。@ qq§私は「聞こえますか？」と言いました。§

local ls = [=[この表記は Windows パスにも使用できます: local path = [[C:\Windows\Fonts]] ]=]

「私は言った、「」+ CHR$ ( 34 ) + 「聞こえますか？」+ CHR$ ( 34 )

char buffer [ 32 ]; snprintf ( buffer , sizeof buffer , "これは %cin の引用符です。%c" , 34 , 34 );

エスケープシーケンスは、区切り文字、非印刷文字（バックスペースなど）、改行、空白文字（視覚的に区別することが不可能な文字）など、直接表現するのが難しい文字を表現するための一般的な手法であり、長い歴史があります。そのため、文字列リテラルで広く使用されており、エスケープシーケンスを（単一の文字または文字列全体に追加する）ことはエスケープと呼ばれます。

直接含めるのが難しい、または不可能な文字のエンコーディングを与えるために、1 つの文字がプレフィックスとして選択されます。最も一般的なのはバックスラッシュです。他の文字に加えて、重要な点は、バックスラッシュ自体をダブルバックスラッシュとしてエンコードできること\\、および区切り文字付き文字列の場合、区切り文字自体をエスケープすることによってエンコードできることです。たとえば、\"" をエスケープします。このようなエスケープされた文字列の正規表現は、ANSI C仕様にあるように、次のように指定できます。^{[ 1 ] [ c ]}

「」(\\.|[^\\"])*

つまり、「引用符。その後にエスケープ文字（バックスラッシュの後に何か、おそらくバックスラッシュまたは引用符）が0個以上続くか、エスケープ文字でも引用符でもない文字が続き、最後に引用符で終わる」という意味です。唯一の問題は、終了引用符と、バックスラッシュの後に続く引用符を区別することです。バックスラッシュ自体もエスケープされている可能性があります。\uFFFFエスケープ方式によっては、バックスラッシュの後に複数の文字が続くことがあります。

エスケープされた文字列は、それ自体が字句解析され、エスケープされた文字列が表すエスケープされていない文字列に変換される必要があります。これは、コンピュータ言語全体の字句解析の評価フェーズで行われます。つまり、言語全体の字句解析器の評価器が、エスケープされた文字列リテラルに対して独自の字句解析器を実行します。

とりわけ、通常文字列定数を終了させる文字をエンコードできる必要があり、さらにエスケープ文字自体を指定する方法も必要です。エスケープシーケンスは必ずしも見栄えが良く使いやすいとは限らないため、多くのコンパイラは一般的な問題を解決するための他の手段も提供しています。しかし、エスケープシーケンスはすべての区切り文字の問題を解決し、ほとんどのコンパイラはエスケープシーケンスを解釈します。エスケープ文字が文字列リテラル内にある場合、それは「これがエスケープシーケンスの開始です」という意味です。すべてのエスケープシーケンスは、文字列に直接挿入される1文字を指定します。エスケープシーケンスで実際に必要な文字数は異なります。エスケープ文字はキーボードの左上にありますが、エディタが変換するため、文字列に直接貼り付けることはできません。バックスラッシュは、文字列リテラルでエスケープ文字を表すために使用されます。

多くのプログラミング言語は、文字列リテラル内でメタ文字を使用することをサポートしています。メタ文字の解釈は文脈や言語によって異なりますが、一般的には印刷文字または非印刷文字を表すための「処理コマンド」の一種です。

例えば、C言語の文字列リテラルにおいて、バックスラッシュの後に「b」、「n」、「t」などの文字が続く場合、それぞれ非印刷バックスペース、改行、タブ文字を表します。また、バックスラッシュの後に1～3桁の8進数が続く場合、このシーケンスは、リテラルのエンコーディングで指定された値を持つ任意のコード単位（例えば、ASCIIリテラルの対応するASCIIコード）を表すものとして解釈されます。これは後に、より現代的な16進数文字コード表記を可能にするために拡張されました。

「私は言った、聞こえますか？

注：リストにあるすべてのシーケンスがすべてのパーサーでサポートされているわけではなく、リストに含まれていないエスケープシーケンスが存在する可能性があります。

「Windows のパスは C:\\Foo\\Bar\\Baz\\ です」@「Windows のパスは C:\Foo\Bar\Baz\ です」

<![CDATA[ if (path!=null && depth<2) { add(path); } ]]>

多くの言語では、文字列リテラルに複数行にわたるリテラル改行を含めることができます。あるいは、改行はエスケープすることもできます。最も一般的な方法は です\n。例:

echo 'foo bar'

そして

echo -e "foo\nbar"

どちらも有効なBASHステートメントであり、どちらも同じ出力を生成します。

フー バー

リテラル改行を許可する言語には、BASH、Lua、Perl、PHP、R、Tclなどがあります。その他の言語では、文字列リテラルに改行を含めることはできません。

複数行の文字列リテラルには、先頭と末尾の改行とインデントという2つの問題があります。先頭または末尾の区切り文字が別々の行にある場合、余分な改行が発生します。一方、区切り文字が別々の行にない場合、特に最初の行はインデントが他の行と異なるため、区切り文字によって文字列が読みにくくなります。さらに、先頭の空白文字が保持されるため、リテラルはインデントされていない必要があります。リテラルがインデントされたコード内に存在する場合、コードの流れが途切れてしまいます。

これらの問題に対する最も一般的な解決策は、ヒア ドキュメントスタイルの文字列リテラルです。厳密に言えば、ヒア ドキュメントは文字列リテラルではなく、ストリーム リテラルまたはファイル リテラルです。これらはシェル スクリプトに由来し、リテラルを外部コマンドへの入力として渡すことができます。開始区切り文字は で、は任意の単語です。終了区切り文字は、コンテンツの境界として機能する単独の行にあります。 は、標準入力をリテラルからリダイレクトするためです。区切り文字は任意であるため、区切り文字の衝突の問題も回避されます。また、バリアント構文を使用して先頭のタブを削除できますが、先頭のスペースは削除されません。同じ構文は、その後、多くの言語、特に Perl で複数行の文字列リテラルに採用され、ヒア ドキュメントとも呼ばれ、文字列でありリダイレクトを伴わないにもかかわらず、構文を保持しています。他の文字列リテラルと同様に、変数補間などの異なる動作を指定できる場合があります。<<ENDENDEND<<<<-END

Pythonでは、通常の文字列リテラルではリテラル改行が使用できませんが、代わりに複数行リテラル用に設計されたトリプルクォーティング'''と呼ばれる特殊な文字列形式があります。これらは、またはのいずれかの3重の区切り文字を使用します。これらのリテラルは、特にドキュメント文字列"""として知られるインラインドキュメントに使用されます。

Tcl では文字列内にリテラル改行文字を使用できますが、複数行文字列を扱うための特別な構文はありません。ただし、区切り文字は行に単独で配置でき、先頭と末尾の改行文字は で削除できますstring trim。また、string mapを使用するとインデントを削除できます。

いくつかの言語では文字列リテラルの連結が提供されており、隣接する文字列リテラルがコンパイル時に暗黙的に単一のリテラルに結合されます。これは、C ^{[ 7 ] [ 8 ]}、C++ ^{[ 9 ]}、D ^{[ 10 ]}、Ruby ^{[ 11 ]} 、およびC からコピーしたPython ^{[ 12 ]の機能です。 [ 13 ]}注目すべきは、この連結はコンパイル時に字句解析中に発生し(最初のトークン化に続くフェーズとして)、実行時の文字列連結(一般的に+演算子を使用) ^{[ 14 ]}および定数畳み込み中の連結(コンパイル時に発生するが、後のフェーズ (句解析または「構文解析」の後) で発生する) とは対照的であることです。 C#、Java ^{[ 15 ]}、Perl などのほとんどの言語は、暗黙的な文字列リテラル連結をサポートしておらず、代わりに+演算子を使用した明示的な連結を必要とします (これは D と Python でも可能ですが、C/C++ では不正です - 下記を参照)。この場合、連結は定数畳み込みを介してコンパイル時に行われるか、実行時に延期される可能性があります。

char s [] = "hello, " "world" ; printf ( "hello, " "world" );

char s [] = "hello, " + "world" ; printf ( "hello, " + "world" );

char file_and_message [] = __FILE__ ": message" ;

char file_and_message [] = "ac" ": message" ;

char file_and_message [] = "ac: メッセージ" ;

#define STRINGIFY(x) #x #define TOSTRING(x) STRINGIFY(x) #define AT __FILE__ ":" TOSTRING(__LINE__)

import re from re import Patternパターン: Pattern = re.compile ( " [A-Za-z_]" # 文字またはアンダースコア" [A-Za-z0-9_]*" # 文字、数字またはアンダースコア)

l :リスト[ str ] = [ "foo" , "bar" "zork" ]

言語によっては、動作が異なる複数の種類の文字列リテラルが用意されています。これは主に、エスケープ処理のない文字列（生文字列）を示す場合や、変数補間を有効または無効にする場合に使用されますが、文字セットを区別するなど、他の用途にも使用されます。多くの場合、これは引用符を変更したり、接頭辞や接尾辞を追加したりすることで行われます。これは、 16進数や長整数を示す場合など、整数リテラルの接頭辞や接尾辞に相当します。

最も古い例の一つはシェルスクリプトにあり、そこではシングルクォートは生の文字列または「リテラル文字列」を示し、ダブルクォートはエスケープシーケンスと変数補間を表します。

例えば、Pythonでは、生の文字列の前にはrまたはが付きます。とR比較してください(ただし、Python の生の文字列は奇数個のバックスラッシュで終わることはできません)。Python 2 では、2 種類の文字列が区別されます。8 ビット ASCII ("バイト") 文字列 (デフォルト) は、または のプレフィックスで明示的に示され、Unicode 文字列は、または のプレフィックスで示されます。^{[ 25 ]}一方、Python 3 では、文字列はデフォルトで Unicode であり、バイトは別の型で、引用符で初期化する場合は をプレフィックスとして付ける必要があります。'C:\\Windows'r'C:\Windows'bBuUbytesb

C#における生文字列の表記法は、@ クォーティングと呼ばれます。

@"C:\Foo\Bar\Baz\"

これによりエスケープ処理は無効になりますが、二重引用符の使用は可能になり、文字列内で引用符を表現できるようになります。

「こんにちは」と私は言いました。

C++11では、接頭辞によって定義される生文字列、Unicode文字列（UTF-8、UTF-16、UTF-32）、およびワイド文字文字列が使用できます。また、既存のC++文字列にリテラルが追加されstring、これは一般的に既存のCスタイルの文字列よりも推奨されます。

Tclでは、中括弧で囲まれた文字列はリテラルとして扱われますが、引用符で囲まれた文字列はエスケープと補間が行われます。

Perlには、より正式には演算子とみなされるさまざまな文字列があり、これらは引用符演算子および引用符のような演算子として知られています。これらには、通常の構文（固定区切り文字）と、区切り文字を選択できる汎用構文の両方が含まれます。これらには以下が含まれます。^{[ 26 ]}

'' "" `` // m// qr// s/// y // / q{} qq{} qx{} qw{} m{} qr{} s{}{} tr {}{} y {}{}

REXX では、文字や文字列を 16 進数または 2 進数コードで指定するために接尾辞文字を使用します。例:

'20' x "0010 0000" b "00100000" b 

すべてスペース文字を生成し、関数呼び出しを回避しますX2C(20)。

一部の言語では、文字列リテラルに、現在のコンテキスト内の変数や式を参照するプレースホルダーを含めることができ、これらは（通常は実行時に）評価されます。これは変数補間、またはより一般的には文字列補間と呼ばれます。補間をサポートする言語では、一般的に、補間された文字列リテラルとそうでない文字列リテラルを区別します。例えば、sh 互換の Unix シェル(Perl や Ruby も含む) では、二重引用符 (引用符で区切られた " ) で囲まれた文字列は補間されますが、単一引用符 (アポストロフィで区切られた' ) で囲まれた文字列は補間されません。補間されない文字列リテラルは「生文字列」と呼ばれることもありますが、これはエスケープの意味での「生文字列」とは異なります。例えば、Python では、rまたはで始まる文字列Rは生文字列と呼ばれ、エスケープも補間もありません。^{[ 27 ]}通常の文字列 (プレフィックスなし) はエスケープはありますが補間はありません。^{[ 28 ]}fまた、またはで始まる文字列はFf 文字列と呼ばれ^{[ 29 ] 、エスケープ[ 30 ]}と補間があります。^{[ 31 ]}

例えば、以下のPerlコード：

$name = "ナンシー" ; $greeting = "こんにちは世界" ; print "$name は群衆に向かって $greeting と言いました。" ;

出力結果：

ナンシーは集まった人々に向かって「ハローワールド」と言った。

この場合、メタ文字（$）（変数代入文の記号と混同しないように）は変数補間を示すものとして解釈され、そのまま出力する必要がある場合はエスケープ処理が必要になります。

printfこれは、次のような表記法を使用して同じ出力を生成する関数とは対照的である。

printf "%s は群衆に向かって %s と言いました。" , $name , $greeting ;

ただし、補間は実行されません。 はprintf フォーマット文字列%s内のプレースホルダーですが、変数自体は文字列の外にあります。

これは「生の」文字列とは対照的です。

print '$name は群衆に向かって $greeting と言いました。' ;

以下のような出力が生成されます。

$nameは群衆に向かって$greetingと言った。

ここでいう「$」文字はメタ文字ではなく、プレーンテキスト以外の意味を持つものとして解釈されることはありません。

文字列リテラルの指定に柔軟性のない言語では、他のプログラミングコードを生成するプログラミングコードを書くのが特に面倒になる。これは、生成言語が出力言語と同じか類似している場合に特に顕著である。

例えば：

• クインを生成するコードを書く
• ウェブテンプレート内から出力言語を生成する。
• XSLTを使用してXSLTを生成するか、SQLを使用してさらにSQLを生成する
• C言語またはその他の言語で記述された文書処理アプリケーション内から、印刷目的の文書のPostScript表現を生成する。

しかしながら、一部の言語は、このような自己相似的な出力を生成するのに特に適している。特に、区切り文字の衝突を回避するための複数のオプションをサポートする言語はそうだ。

文字列リテラルをコードとして使用して他のコードを生成すると、特に出力が信頼できないユーザー入力に少なくとも部分的に依存する場合、セキュリティ上の悪影響が生じる可能性があります。これは、Webベースのアプリケーションにおいて特に深刻であり、悪意のあるユーザーがこのような脆弱性を悪用して、例えばSQLインジェクション攻撃を仕掛けるなどして、アプリケーションの動作を妨害する可能性があります。

• 文字リテラル
• XMLリテラル
• シジル（コンピュータプログラミング）

• プログラミングにおけるリテラル