Пробел как математическая задача. Почему проверка символов в коде бывает сложной
Простая проверка на наличие пустого места может превратиться в запутанный алгоритм. Обычный пробел, лишь верхушка айсберга в мире стандартов Unicode.
В стандарте Unicode свойство White_Space включает 25 символов. Среди них есть как привычные табуляции, так и специфические знаки вроде FIGURE SPACE для выравнивания цифр или ZERO WIDTH SPACE, который не имеет видимого размера. Различия в трактовке этих символов приводят к тому, что одна и та же проверка может давать разные результаты в разных языках программирования.
Разные среды выполнения по-разному определяют границы пробелов. Например, в Java метод Character.isWhitespace() исключает неразрывный пробел (откроется в новом окне) U+00A0, в то время как Python считает его пробельным. В JavaScript ситуация ещё сложнее.
Он признаёт символ U+FEFF, который не входит в стандартное свойство Unicode. Такая несогласованность возникает из-за попыток библиотек сохранить обратную совместимость при обновлении стандартов.
Для эффективной проверки в библиотеке Guava от Google используется метод с хеш-таблицей. Вместо перебора списка символов программа вычисляет индекс в строке из 32 знаков с помощью формулы. (1682554634 * c) >>> 27. Это позволяет мгновенно определить, входит ли символ в заранее заданное множество, используя результат умножения и сдвиг разрядов.
Что поменялось
Понятие пробела в коде зависит от конкретной библиотеки и языка программирования, а не только от стандарта Unicode.
Текст подготовила языковая модель по материалам источников.
