Rust中字符串迭代：如何轻松遍历字符

Rust中字符串迭代：底层工作原理

您是否曾想过，当您写下for c in "Привет".chars()时实际发生了什么？如果您来自Python或JavaScript，那里的字符串只是字符数组，Rust可能像一位严格的老师，迫使您在每次操作前思考。这很棒！

Stack Overflow上关于"How do you iterate over a string by character"的问题获得了数千次浏览。这并非偶然。Rust中没有简单的string[i]——这是有充分理由的。让我们了解如何正确、高效且无意外地遍历字符串。

为什么Rust不允许您直接通过索引获取字符？

这一切都源于UTF-8编码。与许多语言不同，Rust将字符串存储为UTF-8格式，而非ASCII或UCS-2。这意味着一个字符可能占用1到4个字节。例如：

• 'a' — 1字节
• 'é' — 2字节
• '中' — 3字节
• '😊' — 4字节

如果Rust允许string[0]，那么"😊"[0]返回的将不是表情符号，而是其字节表示的一半——垃圾数据。因此，Rust在编译器层面保护您免受此类错误的影响。

遍历字符串的主要方法

Rust提供了三种主要的迭代方法，各有其用途。选择取决于您具体需要什么：字符、字节还是字素簇。

1. 按字符迭代（char）

最常用的方法是.chars()。它返回一个Unicode字符（char类型）的迭代器。

fn main() {    let text = "Привет, мир! 🌍";        for c in text.chars() {        println!("{}", c);    }        // 输出：    // П    // р    // и    // в    // е    // т    // ,    // （空格）    // м    // и    // р    // !    // （空格）    // 🌍}

在底层，.chars()解析UTF-8字节序列并返回每个有效的字符。如果字符串中包含无效字节，迭代器可能返回std::char::REPLACEMENT_CHARACTER（'�'）。

重要提示：.chars()的时间复杂度为O(n)。迭代器遍历所有字节，即时解码。对于短字符串，这几乎是瞬间完成的，但对于长字符串（兆字节级别的文本），可能会比较明显。

2. 按字节迭代（bytes）

如果您需要原始字节，请使用.bytes()。这是一种快速的方法，但您得到的是字节，而不是字符。

fn main() {    let text = "Hello";        for byte in text.bytes() {        println!("{}", byte);    }        // 输出：    // 72 (H)    // 101 (e)    // 108 (l)    // 108 (l)    // 111 (o)}

对于英文文本，这等同于按字符迭代。但对于俄语或表情符号则不然。例如，"Привет"在字节表示中占用12个字节（每个字符2个字节），而"🌍"占用4个字节。

何时使用：当您处理二进制数据、协议或希望在不进行UTF-8解码的情况下获得最大性能时。

3. 按字素簇迭代（grapheme clusters）

这就更有趣了。有时，一个视觉上的"字符"由多个Unicode字符组成。例如，国家旗帜或带变音符号的字母："é"可以表示为单个字符é（U+00E9），也可以表示为e + ◌́（U+0065 + U+0301）的组合。

要处理字素簇，需要添加crate unicode-segmentation：

// Cargo.toml// [dependencies]// unicode-segmentation = "1.10"

use unicode_segmentation::UnicodeSegmentation;

fn main() {    let text = "é";        // chars() 将返回1个字符