एक स्ट्रिंग कितनी लंबी है?

निम्नलिखित प्रोग्राम के आउटपुट का अनुमान लगाएं:

अगले भाग पर जाने से पहले यह अनुमान लगाने का प्रयास करें कि आउटपुट क्या है।

कार्यक्रम निम्नलिखित आउटपुट प्रदर्शित करेगा:

Halló heimur is 13 characters long.

आपकी आंखें आपको धोखा नहीं दे रही हैं - "हैलो हेमूर" में 12 वर्ण हैं (अंतरिक्ष सहित)। आइए पीछे हटें और देखें कि रस्ट का String प्रकार कैसे काम करता है। की आंतरिक संरचना परिभाषा Stringकाफी सीधी है:

स्ट्रिंग्स केवल बाइट्स ( u8) का एक वेक्टर है, जो यूटीएफ -8 नामक एन्कोडिंग में यूनिकोड वर्णों का प्रतिनिधित्व करता है। जंग स्वचालित रूप से आपकी स्ट्रिंग को यूटीएफ -8 में अनुवादित करती है। एन्कोडिंग इस तरह दिखता है:

आपकी मूल स्ट्रिंग, "Haló hemur" में 11 ASCII वर्ण (स्पेस सहित) और एक "लैटिन -1 पूरक" वर्ण शामिल हैं: ó। ASCII वर्णों को एन्कोड करने के लिए 1 बाइट की आवश्यकता होती है, लैटिन पूरक के लिए दो बाइट्स की आवश्यकता होती है।

रस्ट की स्ट्रिंग एन्कोडिंग प्रत्येक यूनिकोड वर्ण के लिए अतिरिक्त शून्य संग्रहीत नहीं करने के लिए पर्याप्त स्मार्ट है। यदि ऐसा होता है, तो स्ट्रिंग चार प्रकार का वेक्टर होगा। रस्ट char बिल्कुल 4 बाइट लंबा है - एक यूनिकोड वर्ण का अधिकतम आकार । चर एक एकल ASCII वर्ण का प्रतिनिधित्व नहीं करते हैं; इसके बजाय, वे एक यूनिकोड अदिश मान का प्रतिनिधित्व करते हैं । अदिश मान एकल ग्लिफ़ या किसी अन्य ग्लिफ़ में संशोधन का प्रतिनिधित्व कर सकता है।Char

स्ट्रिंग लंबाई

String.len()स्ट्रिंग के बैकिंग वेक्टर में बाइट्स की संख्या की गणना करता है। यदि प्रत्येक वर्ण को चार के रूप में संग्रहीत कर रहा था, तो आप 48 बाइट्स मेमोरी पर कब्जा करने String की अपेक्षा करेंगे । Halló heimurजंग String पात्रों का भंडारण नहीं कर रहा है; यह एक बाइट सरणी संग्रहीत कर रहा है जो संग्रहीत पाठ को आउटपुट करने के लिए आवश्यक बाइट्स का प्रतिनिधित्व करता है।

सभी UTF-8 वर्णों को रेंडर करने के लिए सभी 4 बाइट्स की आवश्यकता नहीं होती है। उदाहरण के लिए, एक स्थान के लिए केवल 1 बाइट की आवश्यकता होती है ( 0x20), जबकि अधिकांश लैटिन एक्सटेंशन वर्ण 2 बाइट्स का उपयोग करते हैं। पहला बाइट ( 0xC3) इंगित करता है कि वर्ण लैटिन एक्सटेंशन वर्ण क्षेत्र का उपयोग करता है, और दूसरा बाइट ( 0xB3for ó) वर्ण की पहचान करता है।

स्ट्रिंग Halló heimurमें 11 ASCII वर्ण होते हैं - प्रत्येक 1 बाइट मेमोरी का उपयोग करता है - 11 बाइट्स पर कब्जा करता है। "ó" के लिए दो बाइट जोड़ें और आपकी स्ट्रिंग में 13 बाइट्स मेमोरी होती है।

काउंटिंग कैरेक्टर

Halló heimurआप निम्न कोड के साथ वर्णों को सही ढंग से गिन सकते हैं :

जब आप कॉल करते my_str.chars()हैं, तो आप एक पुनरावर्तक का अनुरोध कर रहे हैं जो स्ट्रिंग के प्रत्येक तत्व को a के रूप में प्रदर्शित करता है char। रस्ट सही ढंग से यह अनुमान लगाता है कि कुल 12 ग्लिफ़ हैं - या यूनिकोड स्केलर मान - स्ट्रिंग बनाते हैं। इटरेटर उनमें से प्रत्येक को आपके उपभोक्ता को 4-बाइट चार के रूप में पास करता है। भले ही ग्लिफ़ को केवल 1 या 2 बाइट्स मेमोरी की आवश्यकता हो, रस्ट चार प्रकार के लिए सभी 4 बाइट्स आवंटित करेगा। इटरेटर को ट्रैवर्स करने से बहुत कम अतिरिक्त मेमोरी का उपयोग होता है। यदि आप collect()इटरेटर को कॉल करते हैं - चार डेटा का वेक्टर बनाने के लिए - वेक्टर 40 बाइट्स मेमोरी का उपभोग करेगा।

my_str.chars()एक स्ट्रिंग में अलग-अलग वर्णों तक पहुँचने के लिए उपयोग करें । यह एक पुनरावर्तक है, इसलिए आप जो खोज रहे हैं उसे खोजने के लिए आप nth, और अन्य पुनरावर्तक कार्यों का उपयोग कर सकते हैं। for_eachउदाहरण के लिए, आप स्ट्रिंग में चौथे वर्ण तक पहुंच सकते हैं my_str.chars().nth(4)।

UTF-8 आकार का प्रभाव

यूनिकोड स्ट्रिंग साइज़िंग कई बार भ्रमित करने वाला हो सकता है, जिससे आपके कोड में आश्चर्यजनक परिणाम हो सकते हैं। आपको वर्णों और बाइट्स के बीच अंतर के बारे में पता होना चाहिए:

• जब आप स्ट्रिंग की लंबाई को मान्य कर रहे हों, तो जानें कि क्या मायने रखता है और क्या नहीं। उदाहरण के लिए, यदि आप केवल 10 वर्णों या उससे कम के उपयोगकर्ता नाम स्वीकार करते हैं, तो आपको यह तय करने की आवश्यकता है कि क्या आपका मतलब ग्लिफ़ या बाइट्स है।
• डेटाबेस में स्ट्रिंग्स को स्टोर करते समय, आपको गैर-अंग्रेज़ी कैरेक्टर सेट स्ट्रिंग्स के लिए पर्याप्त स्थान आवंटित करना याद रखना होगा।
• रिमोट एपीआई को/से सूचना प्रेषित या प्राप्त करते समय, आपको ट्रांज़िट में एन्कोडिंग स्ट्रिंग्स के लिए एक लंबाई मानक पर सहमत होने की आवश्यकता होती है।
• यदि आप एक स्मृति बाधित प्रणाली के लिए एक प्रोग्राम लिख रहे हैं, तो यूनिकोड स्ट्रिंग वर्ण को वर्ण द्वारा पार्स करने से आपकी अपेक्षा से बहुत अधिक स्मृति का उपभोग हो सकता है। स्ट्रिंग प्यार: ❤ 7 वर्ण लंबा है, एक स्ट्रिंग में भंडारण के 12 बाइट्स की आवश्यकता होती है - और 32 बाइट्स मेमोरी जब अलग-अलग वर्णों के रूप में संसाधित होती है। यह स्मृति की एक छोटी मात्रा की तरह लग सकता है, लेकिन यदि आपका पाठक आपके प्रोग्राम के इनपुट बॉक्स में युद्ध और शांति की संपूर्णता में प्रवेश करता है, तो प्रति-वर्ण पार्सिंग के लिए आपकी अपेक्षा से अधिक संसाधनों की आवश्यकता हो सकती है।
• एक स्ट्रिंग में अलग-अलग वर्णों तक पहुँचने पर, बाइट सरणी को सीधे एक्सेस करने के विपरीत वर्णों का उपयोग करना अधिक सुरक्षित होता है। वर्ण यूनिकोड सीमाओं से अवगत हैं - बाइट्स नहीं हैं। "कोनेन" के पहले 6 बाइट्स को प्रिंट करने से केवल "कोन" प्रिंट होगा। पहले 6 अक्षरों को प्रिंट करने से पूरा शब्द निकल जाएगा।

• पात्र
• स्ट्रिंग लंबाई
• यूनिकोड प्रतीक संदर्भ
• विकिपीडिया UTF-8
• स्ट्रिंग स्रोत कोड

हर्बर्ट वूल्वरसन द्वारा लेख:

रस्ट पांच कारणों से मुझे रस्ट पसंद है एक ब्राउज़र में अपने रस्ट गेम को चलाएं