前言
发现这块的坑没人重视过，在此进行总结
该文章同步于 https://github.com/JuliaRoadmap/zh/blob/master/docs/advanced/string_code.md ，以后advanced/中的新内容可能也会在社区同步，便于讨论修改
如果有空可以插入svg便于理解
字符串编码
Julia 中的String并不具有一个特定的编码类型，包括但不限于ASCII、Latin-1、UTF-8、UCS-2、UTF-16和UTF-32，每个字符占据一定的连续空间，但仍以Char形式导出
Julia 中String所采用的编码的基本假设是自同步(self-synchronizing)的
以该字符串s为例（UTF-8）：
| 直观编号 | Char | 所占字节数 |
|---|---|---|
| 1 | 3 | 1 |
| 2 | θ | 2 |
| 3 | 猫 | 3 |
相关函数
| 函数原型 | 描述 | 举例 | 备注 |
|---|---|---|---|
length(s::AbstractString)->Int |
s的直观字符数 | length(s) = 3 |
时间复杂度与字符串长度线性相关 |
ncodeunits(s::AbstractString)->Int |
s的实际字节数 | length(s) = 6 |
也可用sizeof |
ncodeunits(c::Char)->Int |
UTF-8格式表示c所需字符数 |
ncodeunits('猫') = 3 |
|
length(s::AbstractString,i::Integer,j::Integer)->Int |
s中实际字节i~j所包含的直观字节数（识别开头位置），特别地，当i为ncodeunits(s)+1或j为0时返回0 |
length(s,3,4) = 1 |
|
isvalid(s::AbstractString,i::Integer)->Bool |
s的第i各字节是否是某个字符空间块的起点 | isvalid(s,5) = false |
|
getindex(s::AbstractString,i::Int)->Char |
获取s的第i个字节所在字符，i为该字符空间块的起点 | s[4] = '猫' |
|
getindex(s::AbstractString,r::UnitRange{Integer})->String |
通过实际字节索引获取s的子字符串，其中isvalid(s,r.start)，isvalid(r.stop) |
s[2:4] = "θ猫" |
|
thisind(s::AbstractString,i::Integer)->Int |
获取第i个字节所在字符空间块的起点，特别地，当i为0或ncodeunits(s)+1时返回i |
thisind(s,5)=4 |
错误抛出BoundsError |
nextind(str::AbstractString,i::Integer,n::Integer=1)->Int |
n=1时返回s中跟随在下标i后面的合法字符字节下标，详见对应帮助 |
nextind(s,0,3) = 4 |
可以通过nextind(s,0,i)获取第i个直观字符的空间块起点 |
prevind(str::AbstractString,i::Integer,n::Integer=1)->Int |
n=1时返回s中跟随在下标i前面的合法字符字节下标，详见对应帮助 |
/ | |
codeunit(s::AbstractString)->Type{<:Union{UInt8, UInt16, UInt32}} |
导出s编码的bit数 | codeunit(s) = UInt8 |
|
codeunit(s::AbstractString,i::Integer)->Union{UInt8, UInt16, UInt32} |
导出s在实际编号i处的数据 | codeunit(s,1) = 0x33 |
codeunit(s, i)::codeunit(s) |
codeunits(s::AbstractString) |
导出s的全部字节数据 | Vector{UInt8}(codeunits(s))[1] = 0x33 |
!!! note
通常来说，如果使用直观索引，越界抛出`BoundsError`
如果使用实际字节索引，使用`isvalid`进行边界检查，越界抛出`StringIndexError`
julia> gr=Base.Unicode.graphemes("x𝗑𝘅𝘹𝙭𝚡ｘ𝐱×х⨯ⅹ")
length-12 GraphemeIterator{String} for "x𝗑𝘅𝘹𝙭𝚡ｘ𝐱×х⨯ⅹ"
julia> for c in gr
println(c)
end
x
...