rust学习——字符串、字符串字面量、切片（slice）、字符串 slice

字符串、字符串字面量、切片（slice）、字符串 slice

本文是对前四章内容的学习与总结

01、字符串

字符串String 由三部分组成，如图下图所示：一个指向存放字符串内容内存的指针，一个长度，和一个容量。这一组数据存储在栈上。右侧则是堆上存放内容的内存部分。

如果是中文呢，到这里，你会发觉，上面的理解是不全面的。

什么是字符串?

顾名思义，字符串是由字符组成的连续集合，Rust 中的字符是 Unicode 类型，因此每个字符占据 4 个字节内存空间，但是在字符串中不一样，字符串是 UTF-8 编码，也就是字符串中的字符所占的字节数是变化的(1 - 4)，这样有助于大幅降低字符串所占用的内存空间。

Rust 在语言级别，只有一种字符串类型： str，它通常是以引用类型出现 &str，也就是上文提到的字符串切片。虽然语言级别只有上述的 str 类型，但是在标准库里，还有多种不同用途的字符串类型，其中使用最广的即是 String 类型。

str 类型是硬编码进可执行文件，无法被修改，但是 String 则是一个可增长、可改变且具有所有权的 UTF-8 编码字符串，当 Rust 用户提到字符串时，往往指的就是 String 类型和 &str 字符串切片类型，这两个类型都是 UTF-8 编码。

除了 String 类型的字符串，Rust 的标准库还提供了其他类型的字符串，例如 OsString， OsStr， CsString 和 CsStr 等，注意到这些名字都以 String 或者 Str 结尾了吗？它们分别对应的是具有所有权和被借用的变量。

02、字符串字面量

字符串字面量就是切片。

let s = "Hello, world!";

实际上，s 的类型是 &str，因此你也可以这样声明：

let s: &str = "Hello, world!";

什么是切片，接着往下看。

03、切片 （slice）

切片并不是 Rust 独有的概念，在 Go 语言中就非常流行，它允许你引用集合中部分连续的元素序列，而不是引用整个集合。

对于字符串而言，切片就是对 String 类型中某一部分的引用，它看起来像这样：

let s = String::from("hello world");

let hello = &s[0..5];
let world = &s[6..11];

hello 没有引用整个 String s，而是引用了 s 的一部分内容，通过 [0..5] 的方式来指定。

其它切片

因为切片是对集合的部分引用，因此不仅仅字符串有切片，其它集合类型也有，例如数组：

let a = [1, 2, 3, 4, 5];

let slice = &a[1..3];

assert_eq!(slice, &[2, 3]);

该数组切片的类型是 &[i32]，数组切片和字符串切片的工作方式是一样的，例如持有一个引用指向原始数组的某个元素和长度。

04、字符串 slice

对于字符串而言，字符串 slice（string slice）是 String 中一部分值的引用，它看起来像这样：

fn main() {
    let s = String::from("hello world");

    let hello = &s[0..5];
    let world = &s[6..11];
    
    println!("{}", hello);
    println!("{}", world);
}

这类似于引用整个 String 不过带有额外的 [0..5] 部分。它不是对整个 String 的引用，而是对部分 String 的引用。

可以使用一个由中括号中的 [starting_index..ending_index] 指定的 range 创建一个 slice，其中 starting_index 是 slice 的第一个位置，ending_index 则是 slice 最后一个位置的后一个值。在其内部，slice 的数据结构存储了 slice 的开始位置和长度，长度对应于 ending_index 减去 starting_index 的值。所以对于 let world = &s[6..11]; 的情况，world 将是一个包含指向 s 索引 6 的指针和长度值 5 的 slice。

图例

例子

#![allow(unused)]
fn main() {
    let s = String::from("hello");
    
    let len = s.len();
    
    //let slice = &s[0..2]; //he
    //let slice = &s[..2]; //he
    //let slice = &s[3..len]; //lo
    //let slice = &s[3..]; //lo
    let slice = &s[..]; //hello
    println!("{}", slice); 
}

---

字符串 slice注意要点

在对字符串使用切片语法时需要格外小心，切片的索引必须落在字符之间的边界位置，也就是 UTF-8 字符的边界，例如中文在 UTF-8 中占用三个字节，下面的代码就会崩溃：

 let s = "中国人";
 let a = &s[0..2];
 println!("{}",a);

因为我们只取 s 字符串的前两个字节，但是本例中每个汉字占用三个字节，因此没有落在边界处，也就是连 中 字都取不完整，此时程序会直接崩溃退出，如果改成 &s[0..3]，则可以正常通过编译。 因此，当你需要对字符串做切片索引操作时，需要格外小心这一点, 关于该如何操作 UTF-8 字符串，参见 操作-utf-8-字符串。

---

String 与 &str 的转换

在之前的代码中，已经见到好几种从 &str 类型生成 String 类型的操作：

• String::from("hello,world")
• "hello,world".to_string()

那么如何将 String 类型转为 &str 类型呢？答案很简单，取引用即可：

fn main() {
    let s = String::from("hello,world!");
    say_hello(&s);
    say_hello(&s[..]);
    say_hello(s.as_str());
}

fn say_hello(s: &str) {
    println!("{}",s);
}

实际上这种灵活用法是因为 deref 隐式强制转换，具体我们会在 Deref 特征进行详细讲解。

---

字符串深度剖析

那么问题来了，为啥 String 可变，而字符串字面值 str 却不可以？

就字符串字面值来说，我们在编译时就知道其内容，最终字面值文本被直接硬编码进可执行文件中，这使得字符串字面值快速且高效，这主要得益于字符串字面值的不可变性。不幸的是，我们不能为了获得这种性能，而把每一个在编译时大小未知的文本都放进内存中（你也做不到！），因为有的字符串是在程序运行得过程中动态生成的。

对于 String 类型，为了支持一个可变、可增长的文本片段，需要在堆上分配一块在编译时未知大小的内存来存放内容，这些都是在程序运行时完成的：

• 首先向操作系统请求内存来存放 String 对象
• 在使用完成后，将内存释放，归还给操作系统

其中第一部分由 String::from 完成，它创建了一个全新的 String。

重点来了，到了第二部分，就是百家齐放的环节，在有垃圾回收 GC 的语言中，GC 来负责标记并清除这些不再使用的内存对象，这个过程都是自动完成，无需开发者关心，非常简单好用；但是在无 GC 的语言中，需要开发者手动去释放这些内存对象，就像创建对象需要通过编写代码来完成一样，未能正确释放对象造成的后果简直不可估量。

对于 Rust 而言，安全和性能是写到骨子里的核心特性，如果使用 GC，那么会牺牲性能；如果使用手动管理内存，那么会牺牲安全，这该怎么办？为此，Rust 的开发者想出了一个无比惊艳的办法：变量在离开作用域后，就自动释放其占用的内存：

{
    let s = String::from("hello"); // 从此处起，s 是有效的

    // 使用 s
}                                  // 此作用域已结束，
                                   // s 不再有效，内存被释放

与其它系统编程语言的 free 函数相同，Rust 也提供了一个释放内存的函数： drop，但是不同的是，其它语言要手动调用 free 来释放每一个变量占用的内存，而 Rust 则在变量离开作用域时，自动调用 drop 函数: 上面代码中，Rust 在结尾的 } 处自动调用 drop。

其实，在 C++ 中，也有这种概念: Resource Acquisition Is Initialization (RAII)。如果你使用过 RAII 模式的话应该对 Rust 的 drop 函数并不陌生。

这个模式对编写 Rust 代码的方式有着深远的影响，在后面章节我们会进行更深入的介绍。

---

字符串 slice 作为函数参数

在说字符串 slice 作为函数参数前，我们先看几个错误的例子

例子001

fn main() {
  let my_name = "Pascal";
  greet(my_name);
}

fn greet(name: String) {
  println!("Hello, {}!", name);
}

greet 函数接受一个字符串类型的 name 参数，然后打印到终端控制台中，非常好理解，你们猜猜，这段代码能否通过编译？

error[E0308]: mismatched types
 --> src/main.rs:3:11
  |
3 |     greet(my_name);
  |           ^^^^^^^
  |           |
  |           expected struct `std::string::String`, found `&str`
  |           help: try using a conversion method: `my_name.to_string()`

error: aborting due to previous error

Bingo，果然报错了，编译器提示 greet 函数需要一个 String 类型的字符串，却传入了一个 &str 类型的字符串
所以可以这样修改

  // 添加to_string()
  let my_name = "Pascal".to_string();
  // 或者
  let my_name = String::from("Pascal");

例子002

fn main() {
    let s1 = "hello";

    let len = calculate_length(s1);

    println!("The length of '{}' is {}.", s1, len);
}

fn calculate_length(s: &String) -> usize {
    s.len()
}

输出

error[E0308]: mismatched types
 --> src/main.rs:4:32
  |
4 |     let len = calculate_length(s1);
  |               ---------------- ^^ expected `&String`, found `&str`
  |               |
  |               arguments to this function are incorrect
  |
  = note: expected reference `&String` found reference `&str`
note: function defined here

编译器提示 calculate_length 函数需要一个 &String 类型的字符串，却传入了一个 &str 类型的字符串。
那&str怎么转&String呢?如图

所以可以这样修改

    let s1 = "hello".to_string();

    let len = calculate_length(&s1);

通过将 s 参数的类型改为字符串 slice 来改进函数

当我们把函数calculate_length 中的&String修改为&str，对 String 值和 &str 值就可以使用相同的函数了。

fn main() {
	// 支持 String
    let s1 = String::from("hello");
    let len = calculate_length(&s1);
    println!("The length of '{}' is {}.", s1, len);
    
    // 支持 &str
    let s2 = "hello";
    let len = calculate_length(s2);
    println!("The length of '{}' is {}.", s2, len);
}

fn calculate_length(s: &str) -> usize {
    s.len()
}

如果有一个字符串 slice，可以直接传递它。
如果有一个 String，则可以传递整个 String 的 slice 或对 String 的引用。

下面的写法都是可以的

    // 支持 &str
    let s2 = "hello";
    let len = calculate_length(&s2[0..len]);
    let len = calculate_length(&s2[1..3]);
    let len = calculate_length(&s2[3..]);
    let len = calculate_length(&s2[..]);
    let len = calculate_length(s2);
    println!("The length of '{}' is {}.", s2, len);

如果你不小心写成let len = calculate_length(&s2);，测试发现，也是可以的。但不建议这么写。因为字符串字面量类型就是&str。

---

可变引用与不可变引用同时存在

可变引用与不可变引用同时存在，就会报错。为什么?

我们不能在拥有不可变引用的同时拥有可变引用。使用者可不希望不可变引用的值在他们的眼皮底下突然被改变了！然而，多个不可变引用是可以的，因为没有哪个只能读取数据的人有能力影响其他人读取到的数据。

示例代码

fn first_word(s: &String) -> &str {
    let bytes = s.as_bytes();

    for (i, &item) in bytes.iter().enumerate() {
        if item == b' ' {
            return &s[0..i];
        }
    }

    &s[..]
}

fn main() {
    let mut s = String::from("hello world");

    let word = first_word(&s);

    s.clear(); // error!

    println!("the first word is: {}", word);
}

回忆一下借用规则，当拥有某值的不可变引用时，就不能再获取一个可变引用。因为 clear 需要清空 String，它尝试获取一个可变引用。在调用 clear 之后的 println! 使用了 word 中的引用，所以这个不可变的引用在此时必须仍然有效。Rust 不允许 clear 中的可变引用和 word 中的不可变引用同时存在，因此编译失败。Rust 不仅使得我们的 API 简单易用，也在编译时就消除了一整类的错误！

借用规则总结如下：

1、同一时刻，你只能拥有要么一个可变引用, 要么任意多个不可变引用
2、不过可变引用有一个很大的限制：在同一时间，只能有一个对某一特定数据的可变引用。尝试创建两个可变引用的代码将会失败
3、引用必须总是有效的

---

切片与引用的关系

下面是一个简单的示例代码，展示了如何在Rust中使用切片和引用的关系：

fn main() {  
    // 创建一个整数数组  
    let numbers = [1, 2, 3, 4, 5];  
  
    // 创建一个指向数组的切片  
    let slice = &numbers[..3];  
  
    // 输出切片的值  
    println!("{:?}", slice); // Output: [1, 2, 3]  
  
    // 创建一个指向切片的引用  
    let reference = &slice[1];  
  
    // 输出引用的值  
    println!("{}", reference); // Output: 2  
}

输出

[1, 2, 3]
2

在这个示例中，我们首先创建了一个整数数组numbers。然后，我们使用&numbers[..3]创建了一个指向数组前三个元素的切片。接下来，我们使用&slice[1]创建了一个指向切片中第二个元素的引用。最后，我们通过引用输出了该元素的值。

总结起来，Rust中的切片和引用是密切相关的。切片是对数组或向量的部分引用的连续片段，而引用则是创建和操作切片的手段。使用切片和引用可以更高效地处理和操作数据，同时避免不必要的复制和移动操作。

---

操作 UTF-8 字符串 （操作中文字符串）

前文提到了几种使用 UTF-8 字符串的方式，下面来一一说明。

1、字符

如果你想要以 Unicode 字符的方式遍历字符串，最好的办法是使用 chars 方法，例如：

fn main() {
    for c in "西红柿".chars() {
        println!("{}", c);
    }
}

输出如下

西
红
柿

2、字节

这种方式是返回字符串的底层字节数组表现形式：

fn main() {
    for b in "西红柿".bytes() {
        println!("{}", b);
    }
}

输出如下：

228
184
173
229
155
189
228
186
186

3、获取子串

想要准确的从 UTF-8 字符串中获取子串是较为复杂的事情，例如想要从 holla西红柿नमस्ते 这种变长的字符串中取出某一个子串，使用标准库你是做不到的。 你需要在 crates.io 上搜索 utf8 来寻找想要的功能。

可以考虑尝试下这个库：utf8_slice。