Rust语言入门教程(六) - 字符串类型

在Rust中， 字符串类型其实是一个比较复杂的话题。在Rust的标准库中，至少都提供了6种字符串类型，我们平常使用的最多的是其中的两种。这两种类型互相之间也有所关联：

• str： 字符串切片
• String 字符串
  其中， 字符串切片的常见形式是它的借用类型&str, 通常，一些字符串字面量都属于&str类型 ，例如:

let msg = "Hello 🌏";  // msg的类型是&str

字符串切片通常也被直接称为字符串， 很多人会把它跟另一种字符串类型String混淆。他们之间的主要区别在于：

• &str: 是一个借用，不能被修改
• String: 可以被修改

我们常用两个函数将字符串切片转换成字符串：

let msg = "ab🎉".to_string();    // 调用字符串切片的to_string()函数
let msg = String::from("ab🎉");  // 将字符串切片作为参数传给String类型的from函数

从数据结构的角度来看， &str类型由一个指向一组字节的指针和长度(len)属性组成

String类型由一个指向一组字节的指针， 长度(len)属性和容量(capacity)属性组成

因此，可以看出，&str其实可以看作是String的一部分。 因此， 它们也具有很多其他相同的特征， 例如，根据定义、编译器强制要求以及运行时检查，这两种字符串类型都是有效的 UTF-8格式。
另外， 不论是&str还是String, 都不能用下标来访问对应位置的字符，因为英文并不是这个世界上唯一的语言， 随便google一下就可以得知，这个世界上至少有6900多种不同的语言文字和甚至还有各种不同的表情图案， 要把这么多种文字都能通过编码的形式表达， 只有Unicode编码可以做到， 因此， 字符串都是Unicode编码的， 这就是为什么字符串中的字符不能用下标来访问的原因，例如：

let word = "สวัสดี";

如果我们想要通过下标来访问最后一个符号，可能会想到这样做：

word[3]  // ดี

但这不能得到我们想要的结果，实际上，上面的字符串会被存储在一个18字节的可变数组(vector)中, 如下：

224	184	170	224	184	177	224	184	177	224	184	170	224	184	148	224	184	181

上面的word[3]实际上得到的就是上面这个数组中的第4个元素224, UTF-8的编码规则下， 一个Unicode字符可能占用1 - 4个字节的长度不定，因此必须要遍历每个字节，才知道每个符号从哪里开始，在哪里结束。在上面的例子中，每3个字节代表了一个Unicode符号(scalars)：

而其中可能由一个或多个Unicode符号才能组成一个有意义的文字符号（graphemes）
Rust的标准库的集合类型提供的索引操作始终保证是时间恒定的操作， 但是对于字符串的索引却不能做到，因为当我们对字符串进行索引操作时，得到的是字节，而这个结果大概率并不是我们想要得到的结果（如上所述，一个有意义的语言文字字符可能是一个或多个字节组成的）。

所以当我们看到一个字符串时，我们可以选择进行下面的操作：

• word.bytes(); : 用bytes()函数来获取字符串的UTF-8字节的向量(Vector), 如果你能保证使用的文字只有ASCII码中包含的部分的话， 用索引来获取字符串中的字符也没有问题；
• word.chars(): 用chars()函数可以获得一个迭代器，可以返回字符串中的每个Unicode标量， 再用例如unicode-segmentation这样的包中提供的函数，来得到有意义的文字符号 。

如果选择使用迭代器来处理字符串的话， 迭代器提供了一个函数nth()， 可以用来替代索引， 例如：

word.chars().nth(3)  // 获取word中的第4个Unicode标量

Rust的字符串类型提供了许多现成的函数，用于处理字符串，下面是列出的一些：