字符串是每種編程語言都繞不開的類型，

不過，在Rust中，你會看到遠比其他語言更加豐富多樣的字符串類型。

如下圖：

為什么Rust中需要這么多種表示字符串的類型呢？

初學(xué)Rust時，可能無法理解為什么要這樣設(shè)計？為什么要給使用字符串帶來這么多不必要的復(fù)雜性？

其實，Rust中對于字符串的設(shè)計，優(yōu)先考慮的是安全，高效和靈活，

所以在易用性方面，感覺沒有其他語言（比如python，golang）那么易于理解和掌握。

本文嘗試解釋Rust中的所有不同的字符串類型，以及它們各自的特點。

希望能讓大家更好的理解Rust為了安全和發(fā)揮最大性能的同時，是如何處理字符串的。

1. 機器中的字符串

我們代碼中的字符串或者數(shù)字，存儲在機器中，都是二進制，也就是0和1組成的序列。

程序?qū)⒍M制數(shù)據(jù)轉(zhuǎn)換為人類可讀的字符串 需要兩個關(guān)鍵信息：

• 字符編碼
• 字符串長度

常見的編碼有ASCII，UTF-8等等，編碼就是二進制序列對應(yīng)的字符，

比如，ASCII是8位二進制對應(yīng)一個字符，所以它最多只能表示256種不同的字符。

而UTF-8可以使用8位~32位二進制來表示一個字符，這意味著它可以編碼超過一百萬個字符，

包括世界上的每種語言和各種表情符號等復(fù)雜字符。

通過字符編碼，我們可以將二進制和字符互相轉(zhuǎn)換，

再通過字符串長度信息，我們將內(nèi)存中的二進制轉(zhuǎn)換為字符串時，就能知道何時停止。

Rust中的字符串，統(tǒng)一采用UTF-8編碼，下面一一介紹各種字符串類型及其使用場景。

2. String 和 &str

String和&str是Rust中使用最多的兩種字符串類型，也是在使用中容易混淆的兩種類型。

String是分配在堆上的，可增長的UTF-8字符串，

它擁有底層的數(shù)據(jù)，并且在超出其定義的范圍被自動清理釋放。

let my_string = String::from("databook");
println!(
    "pointer: {:p}, length: {}, capacity: {}",
    &my_string,
    my_string.len(),
    my_string.capacity()
);

對于一個String，主要部分有3個：

• Pointer：指向堆內(nèi)存中字符串的起始位置
• Length：有效字符串的長度
• Capacity：字符串my_string總共占用的空間

注意這里Length和Capacity的區(qū)別，Length是my_string中有效字符的長度，也就是字符串實際的長度；

Capacity表示系統(tǒng)為my_string分配的內(nèi)存空間，一般來說，Capacity >= Length。

通常不需要直接處理Capacity，但它的存在對于編寫高效且資源敏感的Rust代碼時很重要。

特別是，當(dāng)你知道即將向String添加大量內(nèi)容時，可能會事先手動保留足夠的Capacity以避免多次內(nèi)存重新分配。

&str則是一個字符串的切片，它表示一個連續(xù)的字符序列，

它是一個借用類型，并不擁有字符串?dāng)?shù)據(jù)，只包含指向切片開頭的指針和切片長度。

let my_str: &str = "databook";
println!("pointer: {:p}, length: {}", &my_str, my_str.len());

注意，&str沒有Capacity方法，因為它只是一個借用，內(nèi)容不可能增加。

最后，對于String和&str，使用時建議：

• 在運行時動態(tài)創(chuàng)建或修改字符串?dāng)?shù)據(jù)時，請使用 String
• 讀取或分析字符串?dāng)?shù)據(jù)而不對其進行更改時，請使用 &str

3. Vec[u8] 和 &[u8]

這兩種形式是將字符串表示位字節(jié)的形式，其中Vec[u8]是字節(jié)向量，&[u8]是字節(jié)切片。

它們只是將字符串中的各個字符轉(zhuǎn)換成字節(jié)形式。

as_bytes方法可將&str轉(zhuǎn)換為&[u8]；

into_bytes方法可將String轉(zhuǎn)換為Vec<u8>。

let my_str: &str = "databook";
let my_string = String::from("databook");
let s: &[u8] = my_str.as_bytes();
let ss: Vec<u8> = my_string.into_bytes();
println!("s: {:?}", s);
println!("ss: {:?}", ss);
/* 運行結(jié)果
s: [100, 97, 116, 97, 98, 111, 111, 107]
ss: [100, 97, 116, 97, 98, 111, 111, 107]
*/

在UTF-8編碼中，每個英文字母對應(yīng)1個字節(jié)，而一個中文漢字對應(yīng)3個字節(jié)。

let my_str: &str = "中文";
let my_string = String::from("中文");
let s: &[u8] = my_str.as_bytes();
let ss: Vec<u8> = my_string.into_bytes();
println!("s: {:?}", s);
println!("ss: {:?}", ss);
/* 運行結(jié)果
s: [228, 184, 173, 230, 150, 135]
ss: [228, 184, 173, 230, 150, 135]
*/

Vec[u8]和&[u8]以字節(jié)的形式存儲字符串，不用關(guān)心字符串的具體編碼，

這在網(wǎng)絡(luò)中傳輸二進制文件或者數(shù)據(jù)包時非常有用，可以有效每次傳輸多少個字節(jié)。

4. str 系列

str類型本身是不能直接使用的，因為它的大小在編譯期無法確定，不符合Rust的安全規(guī)則。

但是，它可以與其他具有特殊用途的指針類型一起使用。

4.1. Box<str>

如果需要一個字符串切片的所有權(quán)（&str是借用的，沒有所有權(quán)），那么可以使用Box智能指針。

當(dāng)你想要凍結(jié)字符串以防止進一步修改或通過刪除額外容量來節(jié)省內(nèi)存時，它非常有用。

比如，下面的代碼，我們將一個String轉(zhuǎn)換為Box<str>，

這樣，可以確保它不會在其他地方被修改，也可以刪除它，因為Box<str>擁有字符串的所有權(quán)。

let my_string = String::from("databook");
let my_box_str = my_string.into_boxed_str();
println!("{}", my_box_str);
// 這一步會報錯，因為所有權(quán)已經(jīng)轉(zhuǎn)移
// 這是 Box<str> 和 &str 的區(qū)別
// println!("{}", my_string);

4.2. Rc<str>

當(dāng)你想要在多個地方共享一個不可變的字符串的所有權(quán)，但是又不克隆實際的字符串?dāng)?shù)據(jù)時，

可以嘗試使用Rc<str>智能指針。

比如，我們有一個非常大的文本，想在多個地方使用，又不想復(fù)制多份占用內(nèi)存，可以用Rc<str>。

let my_str: &str = "very long text ....";
let rc_str1: Rc<str> = Rc::from(my_str);
let rc_str2 = Rc::clone(&rc_str1);
let rc_str3 = Rc::clone(&rc_str1);
println!("rc_str1: {}", rc_str1);
println!("rc_str2: {}", rc_str2);
println!("rc_str3: {}", rc_str3);
/* 運行結(jié)果
rc_str1: very long text ....
rc_str2: very long text ....
rc_str3: very long text ....
*/

這樣，在不實際克隆字符串?dāng)?shù)據(jù)的情況下，讓多個變量擁有其所有權(quán)。

4.3. Arc<str>

Arc<str>與Rc<str>的功能類似，主要的區(qū)別在于Arc<str>是線程安全的。

如果在多線程環(huán)境下，請使用Arc<str>。

let my_str: &str = "very long text ....";
let arc_str: Arc<str> = Arc::from(my_str);
let mut threads = vec![];
let mut cnt = 0;
while cnt < 5 {
    let s = Arc::clone(&arc_str);
    let t = thread::spawn(move || {
        println!("thread-{}: {}", cnt, s);
    });
    threads.push(t);
    cnt += 1;
}
for t in threads {
    t.join().unwrap();
}
/* 運行結(jié)果
thread-0: very long text ....
thread-3: very long text ....
thread-2: very long text ....
thread-1: very long text ....
thread-4: very long text ....
*/

上面的代碼中，在5個線程中共享了字符串?dāng)?shù)據(jù)。

上面運行結(jié)果中，線程順序是不固定的，多執(zhí)行幾遍會有不一樣的順序。

4.4. Cow<str>

Cow是Copy-on-Write（寫入時復(fù)制）的縮寫，

當(dāng)你需要實現(xiàn)一個功能，根據(jù)字符串的內(nèi)容來決定是否需要修改它，使用Cow就很合適。

比如，過濾敏感詞匯時，我們把敏感詞匯替換成xx。

fn filter_words(input: &str) -> Cow<str> {
    if input.contains("sb") {
        let output = input.replace("sb", "xx");
        return Cow::Owned(output);
    }
    Cow::Borrowed(input)
}

當(dāng)輸入字符串input中含有敏感詞sb時，會重新分配內(nèi)存，生成新字符串；

否則直接使用原字符串，提高內(nèi)存效率。

5. CStr 和 CString

CStr和CString是與C語言交互時用于處理字符串的兩種類型。

CStr用于在Rust中安全地訪問由C語言分配的字符串；

而CString用于在Rust中創(chuàng)建和管理可以安全傳遞給C語言函數(shù)的字符串。

C風(fēng)格的字符串與Rust中的字符串實現(xiàn)方式不一樣，

比如，C語言中的字符串都是以null字符\0結(jié)尾的字節(jié)數(shù)組，這點就與Rust很不一樣。

所以Rust單獨封裝了這兩種類型（CStr和CString），可以安全的與C語言進行字符串交互，從而實現(xiàn)與現(xiàn)有的C語言庫和API無縫集成。

6. OsStr 和 OsString

OsStr 和 OsString 是用于處理與操作系統(tǒng)兼容的字符串類型。

主要用于需要與操作系統(tǒng)API進行交互的場景，這些API一般特定于平臺的字符串編碼（比如Windows上的UTF-16，以及大多數(shù)Unix-like系統(tǒng)上的UTF-8）。

OsStr 和OsString 也相當(dāng)于str和String的關(guān)系，所以OsStr 一般不直接在代碼中使用，

使用比較多的是&OsStr和OsString。

這兩個類型一般用于讀取/寫入操作系統(tǒng)環(huán)境變量或者與系統(tǒng)API交互時，幫助我們確保字符串以正確的格式傳遞。

7. Path 和 PathBuf

這兩個類型看名字似乎和字符串關(guān)系不大，實際上它們是專門用來處理文件路徑字符串的。

在不同的文件系統(tǒng)中，對于文件路徑的格式，路徑中允許使用的字符都不一樣，比如，windows系統(tǒng)中文件路徑甚至不區(qū)分大小寫。

使用Path 和 PathBuf，我們編碼時就不用分散精力去關(guān)心具體使用的是哪種文件系統(tǒng)。

Path和PathBuf的主要區(qū)別在于可變性和所有權(quán)，

如果需要頻繁讀取和查詢路徑信息而不修改它，Path是一個好選擇；

如果需要動態(tài)構(gòu)建或修改路徑內(nèi)容，PathBuf則更加合適。

8. 總結(jié)

總之，Rust中字符串類型之所以多，是因為根據(jù)不同的用途對字符串類型做了分類。

這也是為了處理不同的應(yīng)用場景時讓程序發(fā)揮最大的性能，畢竟，安全和高性能一直是Rust最大的賣點。

到此這篇關(guān)于Rust字符串類型全解析(最新推薦)的文章就介紹到這了,更多相關(guān)Rust字符串類型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論