为什么将字符串的第一个字母大写会如此复杂？

Question

我想把a

let mut s = "foobar";
s[0] = s[0].to_uppercase();

但是<代码>

let s1 = "foobar";
let mut v: Vec<char> = s1.chars().collect();
v[0] = v[0].to_uppercase().nth(0).unwrap();
let s2: String = v.into_iter().collect();
let s3 = &s2;

有比这更简单的方法吗？如果有，是什么？如果不是，为什么防锈设计是这样的？

类似问题




Answer 1

如果您能够将输入限制为仅限ASCII字符串，则不会特别复杂。

由于Rust 1.23，str有一个make_ascii_uppercase方法（在较旧的Rust版本中，可通过AsciiExttrait获得）。这意味着您可以相对轻松地仅使用大写ASCII字符串片段：

fn make_ascii_titlecase(s: &mut str) {
    if let Some(r) = s.get_mut(0..1) {
        r.make_ascii_uppercase();
    }
}

这将把“taylor”变成“taylor”，但不会把“édouard”变成“édouard”。（游乐场）

小心使用。

Answer 2

有比这更简单的方法吗？如果有，是什么？如果不是，为什么防锈设计是这样的？

嗯，是也不是。正如另一个答案所指出的，你的代码是不正确的，如果你给它类似 བོད་སྐད་ལ་.所以用Rust的标准库做这件事比你最初想象的还要难。

然而，Rust旨在鼓励代码重用，并使引入库变得容易。因此，将字符串大写的惯用方法实际上是非常容易接受的：

extern crate inflector;
use inflector::Inflector;

let capitalized = "some string".to_title_case();

Answer 3

让我们一行一行地把它分解

let s1 = "foobar";

我们创建了一个以UTF-8编码的文字字符串。UTF-8允许我们以一种非常紧凑的方式编码Unicode的1,114,112个代码点，如果你来自世界上一个主要输入ASCII中字符的地区，ASCII是一个创建于1963年的标准。UTF-8是一种可变长度编码，这意味着单个代码点可能需要1到4个字节。较短的编码是为ASCII保留的，但是许多汉字在UTF-8中使用3个字节。

let mut v: Vec<char> = s1.chars().collect();

这将创建一个characters的向量。字符是直接映射到代码点的32位数字。如果我们从仅ASCII文本开始，我们的内存需求将增加两倍。如果我们有一堆来自星体层的角色，那么也许我们还没有使用那么多。

v[0] = v[0].to_uppercase().nth(0).unwrap();

这将获取第一个代码点并请求将其转换为大写变量。不幸的是，对于我们这些从小说英语的人来说，并不总是有一个简单的“小写字母”到“大写字母”的一一对应关系。旁注：我们称它们为大写和小写，因为一盒字母在当天的另一盒字母之上。

当代码点没有相应的大写变量时，此代码将死机。实际上，我不确定这些是否存在。当一个代码点有一个包含多个字符的大写变体（如德语ß）时，它也可能在语义上失败。请注意，在现实世界中，ß可能永远不会大写，这正是我可以始终记住并搜索的示例。事实上，截至2017年6月29日，德语拼写的官方规则已经更新，以便ẞ和“SS”是有效的大写字母！

let s2: String = v.into_iter().collect();

在这里，我们将字符转换回UTF-8，并需要一个新的分配来存储它们，因为原始变量html" target="_blank">存储在恒定内存中，以便在运行时不占用内存。

let s3 = &s2;

现在我们引用这个String。

这是一个简单的问题

不幸的是，事实并非如此。也许我们应该努力使世界变成世界语？

我假设char::to_uppercase已经正确处理Unicode。

是的，我当然希望如此。不幸的是，Unicode在所有情况下都是不够的。多亏休恩指出了土耳其语I，大写（İ）和小写（I）版本都有一个点。也就是说，字母i没有一个适当的大写字母；它还取决于源文本的区域设置。

为什么需要所有的数据类型转换？

因为当您担心正确性和性能时，使用的数据类型非常重要。字符为32位，字符串为UTF-8编码。它们是不同的东西。

索引可以返回多字节的Unicode字符

这里可能有一些不匹配的术语。一个char是一个多字节Unicode字符。

如果逐字节执行，则可以对字符串进行切片，但如果不在字符边界上，则标准库将死机。

为字符串建立索引以获取字符从未实现的原因之一是，许多人将字符串误用为ASCII字符数组。为字符串编制索引以设置字符永远不会有效率-您必须能够将1-4字节替换为1-4字节的值，从而导致字符串的其余部分大量跳转。

to_uppercase可以返回大写字符

如上所述，ß是一个单独的字符，大写后变成两个字符。

另请参见trentcl的答案，该答案仅使用大写ASCII字符。

如果我必须写代码，它看起来会像：

fn some_kind_of_uppercase_first_letter(s: &str) -> String {
    let mut c = s.chars();
    match c.next() {
        None => String::new(),
        Some(f) => f.to_uppercase().chain(c).collect(),
    }
}

fn main() {
    println!("{}", some_kind_of_uppercase_first_letter("joe"));
    println!("{}", some_kind_of_uppercase_first_letter("jill"));
    println!("{}", some_kind_of_uppercase_first_letter("von Hagen"));
    println!("{}", some_kind_of_uppercase_first_letter("ß"));
}

但我可能会在板条箱上搜索大写或unicode。让比我聪明的人来处理。

谈到“比我聪明的人”，Veedrac指出，在访问第一个大写代码点后，将迭代器转换回切片可能更有效。这允许剩余字节的memcpy。

fn some_kind_of_uppercase_first_letter(s: &str) -> String {
    let mut c = s.chars();
    match c.next() {
        None => String::new(),
        Some(f) => f.to_uppercase().collect::<String>() + c.as_str(),
    }
}