使用索引比较 Rust 字符串中的字符

Question

我想从“input.txt”中读取字符串，并且只在行首留下没有#（注释）符号的字符串。我写了这段代码：

use std::io::{BufRead, BufReader};
use std::fs::File;

fn main() {
    let file = BufReader::new(File::open("input.txt").unwrap());
    let lines: Vec<String> = file.lines().map(|x| x.unwrap()).collect();
    let mut iter = lines.iter().filter(|&x| x.chars().next() != "#".chars().next());
    println!("{}", iter.next().unwrap());
}

但是这一行

|&x| x.chars().next() != "#".chars().next()

对我来说闻起来很糟糕，因为它可能看起来像 |x| x[0] == "#"，而且我无法检查字符串中的第二个字符。

那么我该如何重构这段代码呢？

Answer 1

Rust 字符串存储为表示 UTF-8 编码字符的字节序列。 UTF-8 是一种可变宽度编码，因此字节索引可能会将您留在一个字符内，这显然是不安全的。但是通过索引获取代码点是一个 O(n) 操作。此外，索引代码点并不是您真正想要做的，因为有些代码点甚至没有关联的字符，例如变音符号或其他修饰符。索引字素簇更接近正确的方法，但通常在文本渲染或语言处理中需要。

我的意思是索引字符串很难正确定义，而且大多数人通常想要的都是错误的。因此 Rust 不提供对字符串的通用索引操作。

但是，有时您确实需要为字符串编制索引。例如，如果您事先知道您的字符串仅包含 ASCII 字符，或者您正在处理二进制数据。当然，在这种情况下，Rust 提供了所有必要的手段。

首先，您始终可以获得底层字节序列的视图。 &str 具有 as_bytes() 方法，该方法返回 &[u8]，字符串包含的字节切片。然后就可以使用通常的索引操作了：

x.as_bytes()[0] != b'#'

注意特殊符号：b'#' 表示“u8 类型的 ASCII 字符 #”，即它是字节字符文字（另请注意，您不需要写 "#".chars().next() 来获取字符 @ 987654330@，你可以只写'#' - 一个纯字符文字）。但是，这是不安全的，因为&str 是 UTF-8 编码的字符串，并且第一个字符可以包含多个字节。

在 Rust 中处理 ASCII 数据的正确方法是使用 ascii crate。您可以使用as_ascii_str() 方法从&str 转到&AsciiStr。然后你可以这样使用它：

extern crate ascii;
use ascii::{AsAsciiStr, AsciiChar};

// ...

x.as_ascii_str().unwrap()[0] != AsciiChar::Hash

这样您将需要更多的输入，但您会获得更多的安全性作为回报，因为as_ascii_str() 会检查您是否只使用 ASCII 数据。

然而，有时您只想处理二进制数据，而不是将其真正解释为字符，即使源包含一些 ASCII 字符。例如，当您为某些标记语言（如 Markdown）编写解析器时，可能会发生这种情况。在这种情况下，您可以将整个输入视为一个字节序列：

use std::io::{Read, BufReader};
use std::fs::File;

fn main() {
    let mut file = BufReader::new(File::open("/etc/hosts").unwrap());
    let mut buf = Vec::new();
    file.read_to_end(&mut buf).unwrap();
    let mut iter = buf.split(|&c| c == b'\n').filter(|line| line[0] != b'#');
    println!("{:?}", iter.next().unwrap());
}