关于 Rust 字符串字面值的一些总结

Rust 中有两种字符串，String 和 &str，其中 String 可动态分配、修改，内部实现可以理解为 Vec<u8>，而 &str 是一个类型为 &[u8] 的切片。这两种字符串都只能保存合法的 UTF-8 字符。

而对于非肉眼可辨识的 UTF-8 字符，则可以考虑使用如下类型：

  • 文件路径有专用的 Path 和 PathBuf 类可用。
  • 使用 Vec<u8> 和 &[u8]
  • 使用 OSString 和 &OSStr 和操作系统交互
  • 使用 CString 和 &CStr 和 C 库交互

上面的第二种方法，就是常用的处理非 UTF-8 字节流的方式，也就是使用 Vec<u8> 和 &[u8] ，其中我们也可以使用字面值来处理这两种类型的数据，我们称之为字节字符串字面值（byte string literals），其类型为 &[u8]。

字符串字面值（String literals）

先来看一下字符串字面值。

和其他语言一样，用双引号括起来就是一个字符串，不过 Rust 的一个特点是字符串可以跨行，即中间有回车也不会引起编译或运行错误，在输出的时候也会带着里面的换行符。

同样，字符串字面值里面支持转义，比如想在里面使用双引号，该转义也会对换行符进行转义，比如下面这样，在换行符前面使用 \ ，则该转义符、换行符以及下一行开头的所有空格都将会被忽略：

1
2
3
4
5

let a = "foobar";
let b = "foo\
         bar";

assert_eq!(a,b);

字符串字面值除了支持常见的 \ 对字节（字符）进行转义，还支持对 Unicode 进行转义：

  • \xHH： + 2位的十六进制7位宽度字节码，这相当于等值的 ASCII 字符。
  • \u{xxxx}：24位长的16进制，表示等值的 Unicode 字符。
  • \n/\r/\t 表示 U+000A (LF), U+000D (CR) 和 U+0009 (HT)
  • \\ 用来对 \ 本身进行转义
  • \0 表示 Unicode U+0000 (NUL)

Raw 类型的字符串字面值表示进行转义，也就是说字面值写的是什么内容，字符串的值就是什么。这种类型的字面值使用 r 以及若干 # 开头进行定义，结尾需要相等数量的 #。

如下所示：

1
2
3
4
5
6
7
8

"foo"; r"foo";                     // foo
"\"foo\""; r#""foo""#;             // "foo"

"foo #\"# bar";
r##"foo #"# bar"##;                // foo #"# bar

"\x52"; "R"; r"R";                 // R
"\\x52"; r"\x52";                  // \x52

如果字符串中有双引号怎么办？因为 raw string 里不能使用转义，所以 \" 是肯定不行的。Rust 实际支持使用 r# 的方式来指定字符串边界。这个 # 就是转义的另一种实现方式，比如字符串里面有 4 个 #，那么该字符串可以用 r#####"abc####def"##### 来包围起来，也就是比里面的 # 多即可。

Byte string literals

Byte string 字面值使用 b"..." 以及衍生语法定义，其类型为 &[u8]，这个和 &str 是完全不一样的类型，所以有些在 &str 上能用的方法，在 &[u8] 上是用不了的。

比如：

1
2
3

// &[u8; 5]: [119, 111, 114, 108, 100]!
let world = b"world";
println!("Hello, {}!", world);

编译会报错，因为 &[u8] 没有实现 std::fmt::Display：

1
2
3
4
5
6
7

29 |     println!("Hello, {}!", world);
   |                            ^^^^^ `[u8; 5]` cannot be formatted with the default formatter
   |

   = help: the trait `std::fmt::Display` is not implemented for `[u8; 5]`
   = note: in format strings you may be able to use `{:?}` (or {:#?} for pretty-print) instead
   = note: this error originates in the macro `$crate::format_args_nl` (in Nightly builds, run with -Z macro-backtrace for more info)

Byte string 字面值也支持转义，但是需要注意它只支持字节转义，不支持 Unicode 转义。

1
2
3
4
5
6

// 支持字符转义，输出：Hello, Rust!
let escaped = b"\x52\x75\x73\x74 as bytes";

// 不支持 Unicode 转义，编译错误：
// = help: unicode escape sequences cannot be used as a byte or in a byte string
let escaped = b"\u{211D} is not allowed";

1
2
3
4
5
6
7
8

// Raw byte strings work just like raw strings
let raw_bytestring = br"\u{211D} is not escaped here";
println!("{:?}", raw_bytestring);

// Converting a byte array to `str` can fail
if let Ok(my_str) = str::from_utf8(raw_bytestring) {
    println!("And the same as text: '{}'", my_str);
}

字节字符串也支持 raw 定义，和标准字符串类型类似，使用 r 前缀定义 raw byte string 字面值变量。

例如下面的例子中普通的字节字符串需要转义，raw 字节字符串就不需要使用 \ 进行转义了。

1
2
3
4
5
6
7
8

b"foo"; br"foo";                     // foo
b"\"foo\""; br#""foo""#;             // "foo"

b"foo #\"# bar";
br##"foo #"# bar"##;                 // foo #"# bar

b"\x52"; b"R"; br"R";                // R
b"\\x52"; br"\x52";                  // \x52

总结

下面是刚才介绍的这几种字符串字面值定义的一个总结，列出了不同的定义方式和其含义。

符合 意义
“…” 字符串字面值
r"…“, r#”…“#, r##”…“##, etc. Raw 字符串字面值，禁止转义
b"…“ 字节字符串字面值，类型为 &[u8]
br"…“, br#”…“#, br##”…“##, etc. Raw 字节字符串字面值
‘…’ 字符字面值
b'…‘ ASCII字节字面值

参考资料