0x00 回顾与开篇
上一篇文章介绍了Rust的字符串常见的修改方法这节课开始介绍Rust字符串的访问方法。介绍Rust字符串的文章，这已经是第4篇了。后续如果还有时间，我会更加详细的在介绍下字符串的一些其它知识。
0x01 Unicode和UTF-8
在计算机中最常见的编码应该就是ASCII编码了，但是ASCII编码的范围只有0x000x7F，无法存储汉字，少数民族文字等等。从而出现了GB2312，GB18030等各种编码。为了统一字符编码，国际标准化组织制定了通用的多字节编码字符集，也就是**Unicode**字符集。其包含了所有世界上所有的语言和各种字符。其中最常用的范围是0x00000xD7FF和0xE000~0x10FFFF。
但是Unicode字符集每个字符都占4个字节，为了节省空间，UTF-8是最简单且高效的一种编码格式。在Rust中String和&str类型都是使用UTF-8编码格式表示文本。UTF-8是以1字节为编码单位的可变长编码，它根据一定规则将码位编码为1~4字节。如下表所示：
这就很好理解上节所说的汉字占3个字节，而英文字母，阿拉伯数字占1个字节的原因了。
UTF-8编码举例如下：
示例代码如下：
println!("***************1、编码*****************"); let a = "a"; let b = "©"; let c = "汉"; let d = "😃"; println!("a 占 {} 个字节", std::mem::size_of_val(a)); println!("b 占 {} 个字节", std::mem::size_of_val(b)); println!("c 占 {} 个字节", std::mem::size_of_val(c)); println!("d 占 {} 个字节", std::mem::size_of_val(d)); println!("\n***************1、编码(打印二进制)*****************"); for x in a.bytes() { print!("{:08b}_", x); } println!(); for x in b.bytes() { print!("{:08b}_", x); } println!(); for x in c.bytes() { print!("{:08b}_", x); } println!(); for x in d.bytes() { print!("{:08b}_", x); } println!("\n***************1、编码(打印Unicode)*****************"); println!("{:X}", 'a' as i32); println!("{:X}", '©' as i32); println!("{:X}", '汉' as i32); println!("{:X}", '😃' as i32);
代码运行结果：
***************1、编码***************** a 占 1 个字节 b 占 2 个字节 c 占 3 个字节 d 占 4 个字节 ***************1、编码(打印二进制)***************** 01100001_ 11000010_10101001_ 11100110_10110001_10001001_ 11110000_10011111_10011000_10000011_ ***************1、编码(打印Unicode)***************** 61 A9 6C49 1F603
编码和解码规则这里就不赘述了，感兴趣的可以搜索下资料。如果留言比较多，我会额外一章讲解下编码解码。
0x02 字符串的访问
在Rust中，字符串的访问要注意以下两个点：
1、由于字符串是UTF-8编码的字节序列，是可变长度编码，所以不能直接使用索引来访问字符。
2、字符串操作分为按字节处理和按字符处理两种方式。使用bytes()方法是按字节处理，返回字节迭代的迭代器。使用chars()方法是按字符处理，返回字符迭代的迭代器。
字符串的长度
如果通过len()方法获取字符串的长度，则返回的是以字节为单位的长度，即字符串中所有字符的总字节数。如果通过chars().count()方法获取的长度则表示字符的长度，通过此方法获取的长度就是咱们嘴上常说的字符串长度啦。
示例代码如下：
let string_length = "我正在学习Rust~"; println!("\"{}\"的字节长度 : {}", string_length, string_length.len()); println!("\"{}\"的字符长度 : {}", string_length, string_length.chars().count()); 代码运行结果： "我正在学习Rust~"的字节长度 : 20 "我正在学习Rust~"的字符长度 : 10
访问字符串元素
由于Rust的字符串是UTF-8编码，所以不允许直接使用索引来访问单个字符元素。那么咱们只能借助迭代器来访问。（有关迭代器的相关知识将在后续章节介绍）bytes()和char()方法分别返回字节和字符迭代器，他们中存在nth方法可以通过索引的形式去访问元素。该方法返回的是Option类型。
示例代码如下：
let string_nth = "Rust编程基础"; // 访问第5个字符 dbg!(string_nth.chars().nth(5)); // 访问第5个字节 dbg!(string_nth.bytes().nth(5)); 代码运行结果： [src\main.rs:45] string_nth.chars().nth(5) = Some( '程', ) [src\main.rs:47] string_nth.bytes().nth(5) = Some( 188, )
0x03 小结
花了4篇文章也只是简单介绍了Rust的字符串，要想真正的了解字符串的方法，还需要多练习。其实关于Rust字符串的知识和相关方法还是挺多的，由于篇幅有限，字符串的讲解就暂告一段落了。
0x04 参考资料
Unicode所有区段 统一码编码范围 | Unicode符号库 ✏️ ：https://fuhaoku.net/blocks
