从Vec<char>创建字符串

Question

我有一个 Vec<char>，需要转换为 &str 或 String，但我不确定最佳的方法是什么。我查找了许多资源，但每个答案都似乎有些过时。在这个问题中的回答似乎不适用于最新版本。

我正在使用2015-3-19的夜间版本。

- user985916

Answer 1

使用基于迭代器的方法和.collect应该可以正常工作，在更新语言更改后:

char_vector.iter().cloned().collect::<String>();

(我选择用.cloned()替换.map(|c| *c)，但两种写法都可以。)

- huon

Answer 2

如果您的向量可以被使用，您也可以使用into_iter来避免clone

fn main() {
    let char_vector = vec!['h', 'e', 'l', 'l', 'o'];
    let str: String = char_vector.into_iter().collect();

    println!("{}", str);
}

- tafia

---

在这种情况下，克隆的是char，这是非常便宜的（它将被编译成指针解引用，从内存中获取char到（4字节）寄存器）。当然，避免克隆对于性能通常很重要，但char并不是这样一种类型，放弃对Vec的控制可能是不可取的。 - huon

不知道超便宜的部分。只是想提供克隆的替代方案，可以在其他不那么便宜的情况下有所帮助。 - tafia

Answer 3

你可以将 Vec 转化为 String 而不进行任何分配。但这需要相当多的不安全代码：

#![feature(raw, unicode)]
use std::raw::Repr;
use std::slice::from_raw_parts_mut;

fn inplace_to_string(v: Vec<char>) -> String {
    unsafe {
        let mut i = 0;
        {
            let ch_v = &v[..];
            let r = ch_v.repr();
            let p: &mut [u8] = from_raw_parts_mut(r.data as *mut u8, r.len*4);
            for ch in ch_v {
                i += ch.encode_utf8(&mut p[i..i+4]).unwrap();
            }
        }
        let p = v.as_ptr();
        let cap = v.capacity()*4;
        std::mem::forget(v);
        let v = Vec::from_raw_parts(p as *mut u8, i, cap);
        String::from_utf8_unchecked(v)
    }
}

fn main() {
    let char_vector = vec!['h', 'ä', 'l', 'l', 'ö'];
    let str: String = char_vector.iter().cloned().collect();
    let str2 = inplace_to_string(char_vector);

    println!("{}", str);
    println!("{}", str2);
}

PlayPen

详细解释

这将同时创建一个可变的u8切片和一个char切片，它们指向同一个缓冲区（破坏了Rust的所有保证）。请注意，u8切片的大小是char切片的四倍，因为char始终占用4个字节。

let ch_v = &v[..];
let r = ch_v.repr();
let v: &mut [u8] = from_raw_parts_mut(r.data as *mut u8, r.len*4);

我们需要这样做来迭代Unicode字符并将它们替换为它们的UTF8编码。由于UTF8始终比Unicode短或者长度相同，我们可以保证我们永远不会覆盖任何我们尚未读取的部分。

for ch in ch_v {
    i += ch.encode_utf8(&mut v[i..i+4]).unwrap();
}

由于char总是unicode，而我们的缓冲区始终恰好为4个字节（这是utf8编码的unicode字符所需的最大字节数），因此我们可以将字符编码为utf8而无需检查是否成功（它总是可行的）。encode_utf8函数返回utf8表示的长度。我们的索引i是最后一个写入的utf8字符的位置。

最后，我们需要做一些清理工作。我们的向量仍然是Vec<char>类型。我们获取了所有所需的信息（指向堆分配数组的指针和容量）。

let p = v.as_ptr();
let cap = v.capacity()*4;

然后我们释放上一个向量所承担的所有义务，如释放内存等。

std::mem::forget(v);

最后，重新创建正确长度和容量的u8向量，并将其直接转换为字符串。不需要检查转换为字符串，因为我们已经知道utf8是正确的，因为原始的Vec<char>只包含正确的Unicode字符。

let v = Vec::from_raw_parts(p as *mut u8, i, cap);
String::from_utf8_unchecked(v)

- oli_obk

---

哦，对了，我误读了构造函数（它将容量乘以元素大小，但仅将其用于分配大小，而不是容量）。好吧，现在我们有一个有教育意义的例子，说明为什么不应轻易使用unsafe;-) 修复应该很容易，参见Vec::from_raw_parts的文档。 - user395760

巧妙的技巧。"由于我们的字符肯定是Unicode，所以我们可以将它们编码为UTF8而无需检查是否成功"：顺便说一下，encode_utf8作用于char，这些字符始终是有效的Unicode：错误在于输入缓冲区太短（例如，尝试将4字节代码点写入 &mut v[i..i + 2]）。 - huon

谢谢，已添加该信息。 - oli_obk