Swift ——String 与 Array

1. String

1.1 String 在内存中的存储

先创建一个空的字符串,运行后打印地址，看到只有一个有效消息0xe000000000000000。

打开源码查看，看到在String.swift里面有一个初始化空字符串的方法。

 public init() { self.init(_StringGuts()) }

那么看到StringGuts.swift方法里面，看到初始化空字符串的方法。

在看到StringObject.swift里面的empty方法。看到这里根据架构不同调用不同的初始化方法。

这里看到arm的结构调用的方法，这里对属性进行赋值。StringObject是一个结构体，这些属性是StringObject的成员变量，那么当对当前String字符串存储的就是这些成员变量。那么这些属性分别代表什么呢？

首先 _count 应该是代表当前字符串的大小。_variant在源码中寻找，看到其是一个枚举类型。而在之前的空字符串初始化方法中看到其传的是.immortal(0),其实际上代表的是原生的字符串。

接下来是_discriminator，之前初始化方法传入的是枚举变量的枚举值Nibbles.emptyString.找到其是空的。

在往下找看到其有拓展，并且传入是否为isASCII码。

看到small函数根据传进来的isASCII返回0xE000_0000_0000_0000或者是0xA000_0000_0000_0000。这个就是我们之前返回的0xe000000000000000,代表时ASCII码。

改变字符串，发现确实成了0xa.

如果字符串改为ab，这里看到变成了0xe200000000000000，那么就是代表着0xe后面放的是字符串的count。

如果字符串改为abcd，这里看到变成了0xe400000000000000，那么再次证明0xe后面放的是字符串的count，而前面的0x0000000064636261代表着字符串的ASCII码。

当超过了八个字符之后，看到字符存放到了第二个8字节的地址上。

而在添加之后，看到其内存结构变了。那么也就是说，小字符串最多存放15个字母，并且对于小字符串来说，优先直接存放进内存当中。

那么大的字符串要怎么储存呢？看到源码。大字符串分native，shared和foreign三种。而对于原生（native）大字符串来说，这里采用尾递归分配的方式存储。

往下看到其内存结构，其63到60位存放的是discriminator，而60位到0位存放的是objectAddr，这个字符串的地址不是一个绝对地址，而是一个相对地址，其是从存储对象地址的“nativeBias”偏移量开始的。

看到这里的大字符串，

其中0x800代表着是个原生大字符串。

而后面的100003e10则是字符串的偏移地址，将其偏移32位后打印，得到字符串的信息。而10则依然是长度信息。

在源码中找到这样一个结构，看到这里说明所有的非小字符串都是用的这样的一个结构。而前八个字节的存储结构如下：

• isASCII：用来判断当前字符串是否是 ASCII，在高 63 位。
• isNFC：是否为C交互的字符串，这个默认为 1，在高 62 位。
• isNativelyStored：是否是原生存储，在 高 61 位。
• isTailAllocated：是否是尾部分配的，在 高 60 位。
• TBD：留作将来使用，在高 59 位到高 48 位。
• count：当前字符串的大小，在高 47位到低 0 位。
  

1.2 String.index

在swift中，我们无法通过[int]来获取string中对应index的值。我们需要使用emptyString.index(emptyString.startIndex, offsetBy: 1)来获取String.index,然后才可以获取对应的字符串。也就是说，在swift 中,[]中需要传入String.index类型的值。

为什么访问字符串需要这么繁琐呢？
我们先来回答第一个问题，聊到这个问题我们就必须要明白 Swift String 代表的是什么? swift中String是由一系列的 characters (字符)组成，字符的表示方式有很多种，比如我们最熟悉的 ASCII码,ASCII 码一共规定了128个字符的编码，对于英文字符来说 128 个字符已经够用了，但是相 对于其他语言来说，这是远远不够用的。
这也就意味着不同国家不同语言都需要有自己的编码格式，这个时候同一个二进制文件就有可能 被翻译成不同的字符，有没有一种编码能够把所有的符号都纳入其中—这就是我们熟悉的Unicode ，但是 Unicode 只是规定了符号对应的二进制代码，并没有详细明确这个二进制代 码应该如何存储。

这里我们举一个列子:假设我们有一个字符串"我是Kody"，其中对应的 Unicode 分 别是

我 6212
是 662F
K 004B
O:006F
D: 0064
y: 0079

可以看到，上述的文字每一个对应一个十六进制的数，对于计算机来说能够识别的是二进制，所以这个时候如果存储就会出现下面的情况,对于纯英文字母来说，会有一定的浪费。

我 0110 0010 0001 0010
是 0110 0110 0010 1111
K 0000 0000 0100 1011
O 0000 0000 0110 1111
D 0000 0000 0110 0100
y 0000 0000 0111 1001

为了解决这个问题，swift使用了UTF-8。UTF-8 最大的一个特点，就是它是一种变⻓的编码方式。它可以使用1~4个字节表示一个符 号，根据不同的符号而变化字节⻓度。这里我们简单说一下 UTF-8 的规则:

1. 单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码 完全相同;
2. n个字节的字符(n>1)，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为 10，这n个字节的其余空位填充该字符unicode码，高位用0补足。

对于 Swift 来说， String 是一系列字符的集合，也就意味着 String 中的每一个元素是不等 ⻓的。那也就意味着我们在进行内存移动的时候步⻓是不一样的，什么意思?比如我们有一个Array 的数组(Int 类型)，当我们遍历数组中的元素的时候，因为每个元素的内存大小是一致 的，所以每次的偏移量就是 8 个字节。但是对于字符串来说不一样，比如我要方位 str[1] 那么我是不是要把 我 这个字段遍历完 成之后才能够确定 是 的偏移量?依次内推每一次都要重新遍历计算偏移量，这个时候无疑增 加了很多的内存消耗。这就是为什么我们不能通过 Int 作为下标来去访问 String。

对于String.index来说，其定义如下：

• position aka encodedOffset：一个 48 bit 值，用来记录码位偏移量。
• transcoded offset：一个 2 bit 的值，用来记录字符使用的码位数量。
• grapheme cache：一个 6 bit 的值，用来记录下一个字符的边界。
• reserved：7 bit 的预留字段 scalar aligned: 一个 1 bit 的值，用来记录标量是否已经对齐过。
  

所以对于 String 的 Index 的本质是 是一个 64 位的位域信息,其中存储最重要的就是 encodedOffset 和 transcoded offset。当我们构建 String 的 Index 的时候，其实是把 encodedOffset 和 transcoded offset 计算出来存放到 Index 的内存信息里面。

2. Array

2.1 Array 的内存结构

创建一个数组。

将其编译成sil文件，看到这里调用了_allocateUninitializedArray。这里传入 一个参数%4，也就是数组的大小。%6的返回值则是一个元组。%9获取的是%8的地址，然后%10和%11则是构建Int，然后将其存到%9，那么%8大概就是代表array元素开始的首地址。

在源码中找到_allocateUninitializedArray，这里有一个参数count，这里会判断count是否大于0，如果大于0就创建内存空间，否则就是空类型的数组， 就会调用_allocateUninitialized。

看到_adoptStorage函数，这里调用了_ContiguousArrayBuffer，然后返回buffer和buffer第一个元素的首地址。

这里 Array是Struct，其里面存放着_ContiguousArrayStorage，也就是值类型里面包含着引用类型，而对于引用类型来说最重要的就是他的内存布局

• metadata
• 引用计数
• 元素的个数
• 容量的大小
• 标志位
• 元素的内存地址。
  
  直接po可以看到array的值， 其表现像个值类型，但本质上存储的时候还是一个引用类型。
  
  这里0x000000010120b960是_ContiguousArrayStorage的地址。而0x000000010120b960就是后面信息的地址。0x0000000200000003是refcount，0x0000000000000005是数组的长度，0x000000000000000a是
  容量的大小和标志位，后面就是数组内容。
  

2.2 array数组的拼接

当调用append的时候，数组就应该扩容了。

看到源码，这里调用了_makeUniqueAndReserveCapacityIfNotUnique，

这里判断如果!_buffer.beginCOWMutation()，也就是不为写时复制，那么就调用_createNewBuffer，其容量为之前的count + 1.

然后还会调用_reserveCapacityAssumingUniqueBuffer。这里判断oldCount &+ 1 > capacity，如果大于就会调用_createNewBuffer，并且这里是以2倍的方式扩容的。