HSP ver2文字列のひみつ(TIPS)

はじめに

HSPでは、数値型、文字列型の２つの種類を変数の内容として保持することができます。 このドキュメントでは、その中でも文字列型がどのようにHSPで処理されているかを説明しながら、 それぞれの命令の詳細と、その応用についての説明をしています。 文字列の取り扱いを理解することで、より細かく文字列の操作を行なうことができるはずです。 また、メモリ管理やファイルの扱いに関係する部分もあるので、知っておくときっと役に立つ時が 来るでしょう。

文字列の基本

まず、HSPでの文字列の取り扱いの基本をおさらいしておきましょう。 文字列とは、"(ダブルクォーテーション)で囲まれた、文字の集合体です。 HSPでは、メッセージの表示や、ファイル名などあらゆる場面で文字列を使用します。 たとえば、

print "TEST MESSAGE"

a="TEST"+" MESSAGE"

a="TEST"
b=" AND "
c="MESSAGE"
print a+b+c

a="TEST "
b=12345
c=" MESSAGE"
print a+b+c

文字列の限界

文字列には限界があります。どのような限界かと言うと、文字の長さ、つまり文字数に制限がある ということです。まず気をつけておかなければいけないのは、 変数に文字列を記憶される場合は、通常63文字までが限界ということです。 どうしてそんな意地悪をするのか疑問に感じるかもしれませんが、快適な速度でHSPのスクリプトが 実行できるための策だと思ってください。もちろん、文字数の制限なく文字列を記憶できると いいのですが、コンピュータのメモリは無限にはないので、すべての変数にたくさんの文字列を 記憶させておくためのメモリを与えてしまうと、あっという間にメモリが使われてしまうばかりか、 ムダが多くなってしまいます。ま、ここは苦しい土地行政みたいなものと思って63文字というのを覚えておいてください。 通常は63文字でこと足りることが多いと思いますが、中には長い文字列を使いたいこともあるでしょう。 そんな時は、sdim命令を使います。これは、たとえば、

sdim a,256

a+="TEST"

文字列とは何か?

HSPでは文字列をどのように管理しているのでしょうか? 前にも言ったように、文字列は長さ不定の文字の集合体です。文字列型変数では、 決まった文字数(通常は63文字)のぶんだけ記憶できるように、メモリに場所を取ってあります。 ここで、「文字列」と「メモリ」、「バッファ」の関係を知っておくと、文字列の扱いが よりスッキリとします。
HSPでは、文字列の1文字1文字を「コード」という数値で扱って管理しています。 これは、どんなコンピュータでも内部では数値で管理されているためです。 下の表を見てみてください。

コード(10進数)	コード(16進数)	0	1	2	3	4	5	6	7	8	9	a	b	c	d	e	f
32	$20		!	"	#	$	%	&	'	(	)	*	+	,	-	.	/
48	$30	0	1	2	3	4	5	6	7	8	9	:	;	<	=	>	?
64	$40	@	A	B	C	D	E	F	G	H	I	J	K	L	M	N	O
80	$50	P	Q	R	S	T	U	V	W	X	Y	Z	[	\	]	^	_
96	$60	`	a	b	c	d	e	f	g	h	i	j	k	l	m	n	o
112	$70	p	q	r	s	t	u	v	w	x	y	z	{	|	}	~

これは、「アスキーコード表」と呼ばれているものです。 どんな文字にも、それに対応する数値(コード)があります。その中でも標準的に使われている、 半角のアルファベットや記号だけを抜き出したものをアスキーコード ( ASCII : American Standard Code for Information Interchange ) といいます。英語ではこれで十分なのですが、日本語ではこの他に全角の文字が多数あり、 それぞれにやはりコードがあります。 これは何も難しい概念ではなくて、単純に「A」という文字はコード65(10進数)、「$」は 36(10進数)というように数字に直すことができるよ、というだけの話です。 この表の見かたは、たとえば「@」であれば左の「コード」にある数値の通り「64」になり、 以後右にずれるたびに１づつふえていきます。つまり、「A」は65、「B」は66…というぐあいです。 「コード」のところに10進数と、16進数が書いてありますが、コンピュータの世界では16進数だと 区切りがいいということで、HSPでは10進数でもかまいませんし、16進数でももちろんOKです。 (HSPで16進数は「$48」など$を頭につけて表記します) ですから、「N」は10進数では78、16進数では$6eになります。混乱すると困るので、ここでは 特に表記がない限り、コードは10進数で扱っていきます。
ちなみに、スペースキーを押して出てくるスペースは、コード32になります。 他にスペースになっている場所もありますが、通常は使われません。
さて、文字列は、このコードの集まりだと考えることができます。 コードは、0から255までの数値になります。つまり256種類の文字を表わすことができるという わけです。しかし、日本語の漢字などを含めると膨大な量になり、とても256種類では足りません。 そこで、日本語はコードを２つ使用して256種類×256種類＝65536種類(そんなにないけど)ぶんの コードを使うことにしています。日本語の文字が全角と呼ばれ、英文字が半角と呼ばれるのは、 英文字(アスキーコード)が日本語文字に対して半分サイズのコードだからなのです。
このように、「文字を表わすコードが、いくつか並んでいるものが文字列」なのだということを ここでは覚えておいてください。これが何の役に立つか、もうすぐわかるはずですよ。

文字列とバッファ

文字は、0〜255までの数値で表わされるコードにすることができることがわかりました。 この、256種類という数字はコンピュータの世界ではよく出てくる1バイト(byte)という単位に なります。バイトとは、数値をコンピュータのメモリに記憶させる際の基本となる単位で、 1バイトには、0〜255までの数値を記憶させておくことができます。１メガバイトのメモリは、 バイトに直すと、ざっと1,000,000バイトですからごくごく小さな単位です。
こんなハード寄りの話を出したのは、難しくしたいためじゃありません。 この1バイト、0〜255までの数値というところでHSPの、poke命令およびpeek命令のことを 思い出してもらいたかったからです。
poke命令、peek命令はメモリバッファの読み書きをするための命令で、ちょっと文字列とは 無縁な感じがします。しかしながら、 変数の内容が記憶されている場所もまた、メモリバッファの１つ なのです。これは知っておくと役に立つ重要な概念です。文字列型変数に記憶されている文字列 の内容や、数値型の変数、そして配列までもがpoke命令、peek命令で読み書き可能である ということです。同様に、メモリバッファを対象にした命令(bload命令やbsave命令)もすべて 通常の変数に対して使用できます。
ここでためしに、

a="*"
peek b,a,0
mes "b="+b

文字列のしくみ

文字列が記憶されているバッファには一定のルールがあります。 まずは、この重要なルールをまず最初に覚えておいてください。

１． 1バイトにつき1文字のコードが連続して置かれている。
２． 文字列の一番最後は、終わりを示すコードとして0が置かれている。

a="ABCDE"

peek p1,p2,p3			バッファから1byte読み出し

p1=変数 : 内容を読み出す先の変数名 
p2=変数 : バッファを割り当てた変数名 
p3=0〜 : バッファのインデックス(Byte単位) 

a="ABCDE"
peek b,a,2

poke p1,p2,p3			バッファに1byte書き込み

p1=変数 : バッファを割り当てた変数名 
p2=0〜 : バッファのインデックス(Byte単位) 
p3=0〜255 : バッファに書き込む値 または 文字列(Byte単位) 

a=""
poke a,0,65
poke a,1,66
poke a,2,67
poke a,3,0
mes a

a="ABCDEF"
poke a,3,0
mes a

例1: (文字コードを取り出す)
peek b,a,0  ; 変数aの最初の文字コードを変数bに代入

例2: (文字コードを文字列にする)
a="_"
b=65
poke a,0,b  ; 文字列型変数aに、変数bの文字コードを入れる

a="***TEST"
peek b,a,0
if b='*' : mes "*がありました"

１．peek命令で文字列の内容をコードとして取り出すことができる。
２．poke命令で文字列の一部を指定したコードに書き替えることができる。

テキストファイルのしくみ

メモ帳やテキストエディタなどで開いたり保存したりしているテキストファイルですが、 HSPでもこのテキストファイルを読み込んだり、作成することができるようになっています。 テキストファイルとは何なのでしょうか? 実は、テキストファイルとは文字列の 内容をそのままファイルにしただけのものなのです。 いままで説明してきたように、変数に記憶された文字列はメモリ上のバッファに、コードという 形で記憶されています。この内容をそのままbsave命令でファイルにセーブすると、 テキストファイルができあがります。逆に言えば、テキストファイルの内容は単なる文字列に ほかならないのです。
たとえば、

a="TEXT FILE."
bsave "test.txt",a

a="TEXT FILE."
strlen size,a
bsave "test.txt",a,size

sdim a,32000
bload "test.txt",a
mes a

最後に文字列の終わりを示すコード0が入っていない。

複数行文字列のしくみ

HSPが扱う文字列は大きく分けて、1行だけの単純な文字列と、複数行を含む文字列とに分ける ことができます。この２つは、特に処理の上では違いがありません。単に、スクリプトを 作るユーザーが意識しておけばいいだけのものです。 複数行文字列とは、改行が含まれている文字列のことです。改行とは、それ以降を次の行に もっていくための、しるしみたいなものです。
ためしに、

a="ABC\nDEF"
mes a

ABC
DEF

メモリノートパッド命令のしくみ

改行コードが入ることにより、文字列は非常に便利になりますが、複雑さは増します。 テキストファイルには、当然改行コードが含まれてたくさんの行があるでしょうし、 HSPのmesbox命令による入力ボックスも、改行を入れることができます。 また、dirlist命令や、listbox命令、combox命令で使用する文字列にも改行コードが入って います。改行コードを入れることにより、たくさんの情報を整理することができる反面、 文字列としての取り扱いはどんどんやりにくくなっていきます。
そこでHSPでは、メモリノートパッド命令という一連の命令セットにより改行コードを 含んだ文字列を比較的簡単に扱えるようにしています。複数の行があるテキストを 扱う場合に問題となるのは、1行ごとに何かをチェックしたい場合や、1行単位で文字列を 操作したくなった場合です。この1行単位での仕事では、２つのプロセスに分けると 作業がすっきりとします。つまり、

１．複数行から任意の行の内容だけを取り出す
２．取り出した文字列に対してチェックをしたり、加工をする
３．必要ならば、それをもとの行に戻す

a="ABC\nDEF"
notesel a
noteget b,0
mes b

a="ABC\nDEF\GHI"
notesel a
notemax m
repeat m
noteget b,cnt
mes "["+b+"]"
loop

新規文字列操作命令もお目見え

HSP ver2.4dからは、新しく文字列の検索をするためのinstr命令と、文字列の一部を取り出す ためのstrmid命令が追加されました。このドキュメントを読むと、同様の処理を peek命令やpoke命令でも実現できることがわかると思いますが、そこは当然最初から機能が サポートされていた方がいいに決まってますよね。 この２つの新しい命令は、単純ながら多くの場所で使える便利な命令です。 まず、strmid命令はだいたい以下のようになっています。

strmid p1,p2,p3,p4			文字列の一部を取り出す

p1=変数名  : 取り出した文字列を格納する変数名
p2=変数名  : 取り出すもとの文字列が格納されている変数名
p3=0〜(0)  : 取り出し始めのインデックス
p4=0〜(0)  : 取り出す文字数

「左からn文字」を取り出す場合は、「strmid a,b,0,n」となり、
「右からn文字」の場合は、「strmid a,b,-1,n」となり、
「n1文字目からn2文字」は、「strmid a,b,n1-1,n2」

instr p1,p2,"string",p3				文字列の検索をする

p1=変数名  : 検索の結果が代入される変数名
p2=変数名  : 検索される文字列が格納されている文字列型変数名
"string"   : 検索する文字列
p3=0〜(0)  : 検索を始めるインデックス

日本語文字列のしくみ

いままで説明したことは、とりあえず半角の文字列。アスキーコード表の文字に関しての話です。 HSPで用意された文字列操作に関する命令も、すべて文字の単位は半角文字になっています。 扱う文字列が、英文字だけであれば問題はありません。 しかし、これが日本語の全角文字を含んでいるとちょっとトリッキーになります。 前にも言ったように、日本語は1バイト(256種類)では表わしきれないので、 2バイト使って表現しています。 つまり、英文字2文字分で日本語1文字なのです。しかしこれらは、混在できるようになっている ために、ちょっと複雑なルールがあります。次のようなルールです。

コードが129〜159か、224〜252の範囲にある場合は、次の1バイトと合わせて1文字の全角コードとなる。

最後に

このドキュメントでは、文字列のしくみを理解することで、より細か効率的に文字列を操作する 方法について説明してきました。 改行コードを含まない文字列に対してのアプローチと、それにメモリノートパッド命令を加える ことで、複数行に渡る文字列であっても効率的に処理することができるようになると思います。 このドキュメントで、その作業が少しでも楽になってくれれば幸いです。