c++标椎库：文本处理

字符串

对于 C++ 里的字符串类 string，string 其实并不是一个“真正的类型”，而是模板类 basic_string 的特化形式，是一个 typedef：

using string = std::basic_string<char>;  // string其实是一个类型别名

所谓的字符串，就是字符的序列。字符是人类语言、文字的计算机表示，而人类语言、文字又有很多种，相应的编码方式也有很多种。

所以，C++ 就为字符串设计出了模板类 basic_string，再用模板来搭配不同的字符类型，就能够更有“弹性”地处理各种文字了。 在字符编码方面，Unicode，它的目标是用一种编码方式统一处理人类语言文字，使用 32 位（4 个字节）来保证能够容纳过去或者将来所有的文字。但这就与 C++ 产生了矛盾。因为 C++ 的字符串源自 C，而 C 里的字符都是单字节的 char 类型，无法支持 Unicode。

为了解决这个问题，C++ 就又新增了几种字符类型。C++98 定义了 wchar_t，到了 C++11，为了适配 UTF-16、UTF-32，又多了 char16_t、char32_t。于是，basic_string 在模板参数里换上这些字符类型之后，就可以适应不同的编码方式了。

using wstring = std::basic_string<wchar_t>;
using u16string = std::basic_string<char16_t>;
using u32string = std::basic_string<char32_t>;

虽然 C++ 做了这些努力，但其实收效并不大。因为字符编码和国际化的问题实在是太复杂了，仅有这几个基本的字符串类型根本不够，而 C++ 一直没有提供处理编码的配套工具，我们只能“自己造轮子”，用不好反而会把编码搞得一团糟。这就导致 wstring 等新字符串基本上没人用，大多数程序员为了不“自找麻烦”，还是选择最基本的 string。万幸的是 Unicode 还有一个 UTF-8 编码方式，与单字节的 char 完全兼容，用 string 也足以适应大多数的应用场合。所以，建议只用 string，而且在涉及 Unicode、编码转换的时候，尽量不要用 C++，目前它还不太擅长做这种工作，可能还是改用其他语言来处理更好。

 

String 在 C++ 标准库里的身份也是比较特殊，虽然批评它的声音有不少，比如接口复杂、成本略高，但不像容器、算法，直到现在，仍然有且只有这么一个字符串类，“只此一家，别无分号”。所以，在这种“别无选择”的情况下，我们就要多了解它的优缺点，尽量用好它。首先，string 是一个功能比较齐全的字符串类，可以提取子串、比较大小、检查长度、搜索字符……基本满足一般人对字符串的“想象”。

string str = "abc";

assert(str.length() == 3); 
assert(str < "xyz");
assert(str.substr(0, 1) == "a");
assert(str[1] == 'b');
assert(str.find("1") == string::npos);
assert(str + "d" == "abcd");

string 的接口比较复杂ÿ