# 使用字符串存储 UTF-8 编码的文本
我们在第 4 章中讨论过字符串，但现在我们将更深入地研究它们。 新 Rust 使用者通常会因为三个原因而在字符串上遇到困难：Rust 倾向于暴露可能的错误，字符串是比许多程序员认为的更复杂的数据结构，以及 UTF-8。这些因素结合在一起，当你从其他编程语言转过来时，可能会感到困难。
我们在集合的上下文中讨论字符串，因为字符串是作为字节集合实现的，加上一些方法，当这些字节被解释为文本时提供有用的功能。在本节中，我们将讨论String拥有的每种集合类型都有的操作，例如创建、更新和读取。我们还将讨论String与其他集合不同的方式，即如何索引到String中因人与计算机解释String数据的差异而变得复杂。
# 什么是字符串？
我们首先定义我们所说的字符串是什么。Rust 在核心语言中只有一种字符串类型，即字符串切片str，通常以其借用形式&str出现。在第 4 章中，我们讨论了字符串切片，它们是对存储在其他地方的一些 UTF-8 编码字符串数据的引用。例如，字符串字面值存储在程序的二进制文件中，因此它们是字符串切片。
String类型由 Rust 的标准库提供，而不是编码到核心语言中，它是一种可增长的、可变的、拥有所有权的、UTF-8 编码的字符串类型。当 Rustaceans 在 Rust 中提到"字符串"时，他们可能指的是String或字符串切片&str类型，而不仅仅是其中一种类型。尽管本节主要讨论String，但这两种类型在 Rust 的标准库中都被大量使用，并且String和字符串切片都是 UTF-8 编码的。
# 创建新字符串
Vec<T>可用的许多操作也可用于String，因为String实际上是作为带有一些额外保证、限制和功能的字节向量的包装器实现的。一个与Vec<T>和String工作方式相同的函数示例是new函数，用于创建实例，如示例 8-11 所示。
fn main() {
let mut s = String::new();
}
示例 8-11 创建一个新的空String
这行代码创建了一个名为s的新的空字符串，我们可以向其中加载数据。通常，我们会有一些初始数据，希望用它来开始字符串。为此，我们使用to_string方法，该方法可用于任何实现Display特性的类型，如字符串字面值。示例 8-12 展示了两个例子。
fn main() {
let data = "initial contents";
let s = data.to_string();
// the method also works on a literal directly:
let s = "initial contents".to_string();
}
示例 8-12 使用to_string方法从字符串字面值创建String
这段代码创建了一个包含initial contents的字符串。
我们也可以使用函数String::from从字符串字面值创建String。示例 8-13 中的代码等同于使用to_string的示例 8-12 中的代码。
fn main() {
let s = String::from("initial contents");
}
示例 8-13 使用String::from函数从字符串字面值创建String
因为字符串用于很多事情，我们可以为字符串使用许多不同的通用 API，为我们提供了很多选择。其中一些可能看起来是多余的，但它们都有自己的位置！在这种情况下，String::from和to_string做同样的事情，所以选择哪一个是风格和可读性的问题。
记住，字符串是 UTF-8 编码的，所以我们可以在其中包含任何正确编码的数据，如示例 8-14 所示。
fn main() {
let hello = String::from("السلام عليكم");
let hello = String::from("Dobrý den");
let hello = String::from("Hello");
let hello = String::from("שלום");
let hello = String::from("नमस्ते");
let hello = String::from("こんにちは");
let hello = String::from("안녕하세요");
let hello = String::from("你好");
let hello = String::from("Olá");
let hello = String::from("Здравствуйте");
let hello = String::from("Hola");
}
示例 8-14 在字符串中存储不同语言的问候语
所有这些都是有效的String值。
# 更新字符串
String可以增长大小，其内容可以改变，就像Vec<T>的内容一样，如果你向其中推入更多数据。此外，你可以方便地使用+运算符或format!宏来连接String值。
# 使用push_str和push附加到字符串
我们可以使用push_str方法来增长String，附加一个字符串切片，如示例 8-15 所示。
fn main() {
let mut s = String::from("foo");
s.push_str("bar");
}
示例 8-15 使用push_str方法将字符串切片附加到String
在这两行之后，s将包含foobar。push_str方法接受一个字符串切片，因为我们不一定想要获取参数的所有权。例如，在示例 8-16 的代码中，我们希望在将s2的内容附加到s1之后仍然能够使用s2。
fn main() {
let mut s1 = String::from("foo");
let s2 = "bar";
s1.push_str(s2);
println!("s2 is {s2}");
}
示例 8-16 在将字符串切片的内容附加到String后使用该字符串切片
如果push_str方法获取了s2的所有权，我们就不能在最后一行打印其值。然而，这段代码按我们预期的方式工作！
push方法接受一个字符作为参数，并将其添加到String中。示例 8-17 使用push方法将字母l添加到String中。
fn main() {
let mut s = String::from("lo");
s.push('l');
}
示例 8-17 使用push向String值添加一个字符
结果，s将包含lol。
# 使用+运算符或format!宏进行连接
通常，你会想要组合两个现有的字符串。一种方法是使用+运算符，如示例 8-18 所示。
fn main() {
let s1 = String::from("Hello, ");
let s2 = String::from("world!");
let s3 = s1 + &s2; // 注意s1已经被移动，不能再使用
}
示例 8-18 使用+运算符将两个String值组合成一个新的String值
字符串s3将包含Hello, world!。s1在加法之后不再有效，以及我们使用s2的引用的原因，与我们使用+运算符时调用的方法的签名有关。+运算符使用add方法，其签名看起来像这样：
fn add(self, s: &str) -> String {
// --snip--
}
在标准库中，你会看到使用泛型和关联类型定义的add。这里，我们用具体类型替换，这是我们用String值调用此方法时发生的情况。我们将在第 10 章讨论泛型。这个签名给了我们理解+运算符棘手部分所需的线索。
首先，s2有一个&，意味着我们将第二个字符串的引用添加到第一个字符串。这是因为add函数中的s参数：我们只能将&str添加到String；我们不能将两个String值相加。但等等——&s2的类型是&String，不是&str，如add的第二个参数所指定的。那么为什么示例 8-18 能编译呢？
我们能够在调用add时使用&s2的原因是编译器可以将&String参数强制转换为&str。当我们调用add方法时，Rust 使用解引用强制转换，这里将&s2变成&s2[..]。我们将在第 15 章更深入地讨论解引用强制转换。因为add不获取s参数的所有权，s2在此操作后仍然是有效的String。
其次，我们可以在签名中看到add获取self的所有权，因为self没有&。这意味着示例 8-18 中的s1将被移动到add调用中，之后将不再有效。所以，尽管let s3 = s1 + &s2;看起来像是会复制两个字符串并创建一个新的字符串，但这个语句实际上获取了s1的所有权，附加了s2内容的副本，然后返回结果的所有权。换句话说，它看起来像是在做很多复制，但实际上并没有；实现比复制更高效。
如果我们需要连接多个字符串，+运算符的行为会变得笨拙：
fn main() {
let s1 = String::from("tic");
let s2 = String::from("tac");
let s3 = String::from("toe");
let s = s1 + "-" + &s2 + "-" + &s3;
}
此时，s将是tic-tac-toe。随着所有的+和"字符，很难看清发生了什么。对于更复杂的字符串组合，我们可以使用format!宏：
fn main() {
let s1 = String::from("tic");
let s2 = String::from("tac");
let s3 = String::from("toe");
let s = format!("{s1}-{s2}-{s3}");
}
这段代码也将s设置为tic-tac-toe。format!宏的工作方式类似于println!，但不是将输出打印到屏幕，而是返回一个包含内容的String。使用format!的代码版本更容易阅读，并且format!宏生成的代码使用引用，所以这个调用不会获取任何参数的所有权。
# 索引到字符串
在许多其他编程语言中，通过索引引用字符串中的单个字符是有效且常见的操作。然而，如果你尝试在 Rust 中使用索引语法访问String的部分，你会得到一个错误。考虑示例 8-19 中的无效代码。
fn main() {
let s1 = String::from("hello");
let h = s1[0];
}
示例 8-19 尝试对 String 使用索引语法
这段代码将导致以下错误：
$ cargo run
Compiling collections v0.1.0 (file:///projects/collections)
error[E0277]: the type `str` cannot be indexed by `{integer}`
--> src/main.rs:3:16
|
3 | let h = s1[0];
| ^ string indices are ranges of `usize`
|
= help: the trait `SliceIndex<str>` is not implemented for `{integer}`, which is required by `String: Index<_>`
= note: you can use `.chars().nth()` or `.bytes().nth()`
for more information, see chapter 8 in The Book: <https://doc.rust-lang.org/book/ch08-02-strings.html#indexing-into-strings>
= help: the trait `SliceIndex<[_]>` is implemented for `usize`
= help: for that trait implementation, expected `[_]`, found `str`
= note: required for `String` to implement `Index<{integer}>`
For more information about this error, try `rustc --explain E0277`.
error: could not compile `collections` (bin "collections") due to 1 previous error
错误和注释讲述了故事：Rust 字符串不支持索引。但为什么不呢？要回答这个问题，我们需要讨论 Rust 如何在内存中存储字符串。
# 内部表示
String是Vec<u8>的包装器。让我们看看示例 8-14 中一些正确编码的 UTF-8 示例字符串。首先，这个：
fn main() {
let hello = String::from("السلام عليكم");
let hello = String::from("Dobrý den");
let hello = String::from("Hello");
let hello = String::from("שלום");
let hello = String::from("नमस्ते");
let hello = String::from("こんにちは");
let hello = String::from("안녕하세요");
let hello = String::from("你好");
let hello = String::from("Olá");
let hello = String::from("Здравствуйте");
let hello = String::from("Hola");
}
在这种情况下，len将是4，这意味着存储字符串"Hola"的向量长度为 4 个字节。这些字母中的每一个在 UTF-8 编码中都占用一个字节。然而，下面这行可能会让你感到惊讶（注意这个字符串以大写的西里尔字母Ze开头，而不是数字 3）：
fn main() {
let hello = String::from("السلام عليكم");
let hello = String::from("Dobrý den");
let hello = String::from("Hello");
let hello = String::from("שלום");
let hello = String::from("नमस्ते");
let hello = String::from("こんにちは");
let hello = String::from("안녕하세요");
let hello = String::from("你好");
let hello = String::from("Olá");
let hello = String::from("Здравствуйте");
let hello = String::from("Hola");
}
如果有人问你这个字符串有多长，你可能会说 12。事实上，Rust 的答案是 24：这是在 UTF-8 中编码"Здравствуйте"所需的字节数，因为该字符串中的每个 Unicode 标量值占用 2 个字节的存储空间。因此，字符串字节的索引并不总是与有效的 Unicode 标量值相关。为了演示，考虑这个无效的 Rust 代码：
let hello = "Здравствуйте";
let answer = &hello[0];
你已经知道answer不会是З，即第一个字母。当在 UTF-8 中编码时，З的第一个字节是208，第二个是151，所以看起来answer实际上应该是208，但208本身不是一个有效的字符。返回208可能不是用户在请求这个字符串的第一个字母时想要的；然而，这是 Rust 在字节索引 0 处唯一拥有的数据。用户通常不希望返回字节值，即使字符串只包含拉丁字母：如果&"hi"[0]是有效的代码并返回字节值，它将返回104，而不是h。
因此，答案是，为了避免返回意外值并导致可能不会立即被发现的错误，Rust 根本不编译这段代码，并在开发过程的早期防止误解。
# 字节、标量值和字形簇！天啊！
关于 UTF-8 的另一点是，从 Rust 的角度看，实际上有三种相关的方式来看待字符串：作为字节、标量值和字形簇（最接近我们所说的字母的东西）。
如果我们看用梵文写的印地语单词"नमस्ते"，它存储为u8值的向量，看起来像这样：
[224, 164, 168, 224, 164, 174, 224, 164, 184, 224, 165, 141, 224, 164, 164,
224, 165, 135]
这是 18 个字节，计算机最终就是这样存储这些数据的。如果我们将它们看作 Unicode 标量值，即 Rust 的char类型，那些字节看起来像这样：
['न', 'म', 'स', '्', 'त', 'े']
这里有六个char值，但第四个和第六个不是字母：它们是单独没有意义的变音符号。最后，如果我们将它们看作字形簇，我们会得到一个人所说的组成印地语单词的四个字母：
["न", "म", "स्", "ते"]
Rust 提供了不同的方式来解释计算机存储的原始字符串数据，这样每个程序都可以选择它需要的解释，无论数据是什么人类语言。
Rust 不允许我们索引到String以获取字符的最后一个原因是，索引操作预期总是花费常量时间（O(1)）。但对于String，无法保证这种性能，因为 Rust 必须从头遍历内容到索引，以确定有多少有效字符。
# 切片字符串
索引到字符串通常是个坏主意，因为不清楚字符串索引操作的返回类型应该是什么：字节值、字符、字形簇或字符串切片。因此，如果你真的需要使用索引来创建字符串切片，Rust 要求你更加明确。
与其使用[]和单个数字进行索引，你可以使用[]和一个范围来创建包含特定字节的字符串切片：
let hello = "Здравствуйте";
let s = &hello[0..4];
这里，s将是一个&str，包含字符串的前四个字节。前面我们提到，这些字符中的每一个是两个字节，这意味着s将是Зд。
如果我们尝试只切片一个字符的部分字节，比如&hello[0..1]，Rust 会在运行时恐慌，就像访问向量中的无效索引一样：
$ cargo run
Compiling collections v0.1.0 (file:///projects/collections)
Finished `dev` profile [unoptimized + debuginfo] target(s) in 0.43s
Running `target/debug/collections`
thread 'main' panicked at src/main.rs:4:19:
byte index 1 is not a char boundary; it is inside 'З' (bytes 0..2) of `Здравствуйте`
note: run with `RUST_BACKTRACE=1` environment variable to display a backtrace
在使用范围创建字符串切片时应该小心，因为这样做可能会使你的程序崩溃。
# 迭代字符串的方法
操作字符串片段的最佳方式是明确你是想要字符还是字节。对于单个 Unicode 标量值，使用chars方法。在"Зд"上调用chars会分离出并返回两个char类型的值，你可以迭代结果来访问每个元素：
for c in "Зд".chars() {
println!("{c}");
}
这段代码将打印以下内容：
З
д
或者，bytes方法返回每个原始字节，这可能适合你的领域：
for b in "Зд".bytes() {
println!("{b}");
}
这段代码将打印组成这个字符串的四个字节：
208
151
208
180
但请记住，有效的 Unicode 标量值可能由多个字节组成。
从字符串获取字形簇，如梵文脚本，是复杂的，所以标准库没有提供这个功能。如果你需要这个功能，可以在crates.io (opens new window)上找到相关的 crate。
# 字符串并不那么简单
总结一下，字符串很复杂。不同的编程语言对如何向程序员呈现这种复杂性做出不同的选择。Rust 选择将正确处理String数据作为所有 Rust 程序的默认行为，这意味着程序员必须预先更多地考虑处理 UTF-8 数据。这种权衡暴露了比其他编程语言中明显的更多的字符串复杂性，但它防止你在开发生命周期的后期处理涉及非 ASCII 字符的错误。
好消息是，标准库提供了许多基于String和&str类型的功能，帮助正确处理这些复杂情况。请务必查看文档中有用的方法，如用于在字符串中搜索的contains和用于替换字符串部分的replace。
让我们转向一些不那么复杂的东西：哈希映射！
← 使用向量存储值列表 在哈希映射中存储键值对 →