虽然CStr
通常用于FFI,但我正在从&[u8]
读取,它是NUL终止的,并且确保它是有效的UTF-8,因此不需要进行检查。如果NUL终止符不在切片的末尾,如何从NUL终止的字节切片中获取'&str'?
但是,NUL终止符不一定在切片的末尾。有什么好方法可以将它作为&str
?
建议使用CStr::from_bytes_with_nul
,但在内部\0
字符(当\0
不是最后一个字符时)发生这种恐慌。
虽然CStr
通常用于FFI,但我正在从&[u8]
读取,它是NUL终止的,并且确保它是有效的UTF-8,因此不需要进行检查。如果NUL终止符不在切片的末尾,如何从NUL终止的字节切片中获取'&str'?
但是,NUL终止符不一定在切片的末尾。有什么好方法可以将它作为&str
?
建议使用CStr::from_bytes_with_nul
,但在内部\0
字符(当\0
不是最后一个字符时)发生这种恐慌。
我会用迭代器适配器找到第一个零字节的索引:
pub unsafe fn str_from_u8_nul_utf8_unchecked(utf8_src: &[u8]) -> &str {
let nul_range_end = utf8_src.iter()
.position(|&c| c == b'\0')
.unwrap_or(utf8_src.len()); // default to length if no `\0` present
::std::str::from_utf8_unchecked(&utf8_src[0..nul_range_end])
}
这有一个需要赶上所有的情况下(如数组中没有0)的主要优势。
如果您希望检查合式UTF-8版本:这样做,主要是只使用功能从性病的
pub fn str_from_u8_nul_utf8(utf8_src: &[u8]) -> Result<&str, std::str::Utf8Error> {
let nul_range_end = utf8_src.iter()
.position(|&c| c == b'\0')
.unwrap_or(utf8_src.len()); // default to length if no `\0` present
::std::str::from_utf8(&utf8_src[0..nul_range_end])
}
这不是一个最佳的解决方案,因为'position'比一个大字符串需要比'memchr'更长的时间。 – BurntSushi5
@ BurntSushi5:似乎并没有被优化:( –
本示例使用简单的for
循环找到第一个NUL字节,然后使用Rust的标准库返回切片作为&str
(引用原始数据 - 零拷贝)。
有可能是利用封闭件找到第一个NUL字节更好的方法:
pub unsafe fn str_from_u8_nul_utf8_unchecked(utf8_src: &[u8]) -> &str {
// does Rust have a built-in 'memchr' equivalent?
let mut nul_range_end = 1_usize;
for b in utf8_src {
if *b == 0 {
break;
}
nul_range_end += 1;
}
return ::std::str::from_utf8_unchecked(&utf8_src[0..nul_range_end]);
}
虽然第一NUL字节utf8_src.iter().position(|&c| c == b'\0').unwrap_or(utf8_src.len());
返回(或总长度),锈病1.15不优化它到memchr
之类的东西,所以for
循环可能不是现在这样一个糟糕的选择。
三种可能的其他方式。
use std::ffi::CStr;
use std::str;
fn str_from_null_terminated_utf8_safe(s: &[u8]) -> &str {
if s.iter().any(|&x| x == 0) {
unsafe { str_from_null_terminated_utf8(s) }
} else {
str::from_utf8(s).unwrap()
}
}
// unsafe: s must contain a null byte
unsafe fn str_from_null_terminated_utf8(s: &[u8]) -> &str {
CStr::from_ptr(s.as_ptr() as *const _).to_str().unwrap()
}
// unsafe: s must contain a null byte, and be valid utf-8
unsafe fn str_from_null_terminated_utf8_unchecked(s: &[u8]) -> &str {
str::from_utf8_unchecked(CStr::from_ptr(s.as_ptr() as *const _).to_bytes())
}
由于轻微的题外话:基准测试结果在这个线程的所有选项:
随着s = b"\0"
test dtwood::bench_str_from_null_terminated_utf8 ... bench: 9 ns/iter (+/- 0)
test dtwood::bench_str_from_null_terminated_utf8_safe ... bench: 10 ns/iter (+/- 3)
test dtwood::bench_str_from_null_terminated_utf8_unchecked ... bench: 5 ns/iter (+/- 1)
test ideasman42::bench_str_from_u8_nul_utf8_unchecked ... bench: 1 ns/iter (+/- 0)
test ker::bench_str_from_u8_nul_utf8 ... bench: 4 ns/iter (+/- 0)
test ker::bench_str_from_u8_nul_utf8_unchecked ... bench: 1 ns/iter (+/- 0)
与s = b"abcdefghij\0klmnop"
test dtwood::bench_str_from_null_terminated_utf8 ... bench: 15 ns/iter (+/- 2)
test dtwood::bench_str_from_null_terminated_utf8_safe ... bench: 20 ns/iter (+/- 2)
test dtwood::bench_str_from_null_terminated_utf8_unchecked ... bench: 6 ns/iter (+/- 0)
test ideasman42::bench_str_from_u8_nul_utf8_unchecked ... bench: 7 ns/iter (+/- 0)
test ker::bench_str_from_u8_nul_utf8 ... bench: 15 ns/iter (+/- 2)
test ker::bench_str_from_u8_nul_utf8_unchecked ... bench: 5 ns/iter (+/- 0)
与s = b"abcdefghij" * 512 + "\0klmnopqrs"
test dtwood::bench_str_from_null_terminated_utf8 ... bench: 351 ns/iter (+/- 35)
test dtwood::bench_str_from_null_terminated_utf8_safe ... bench: 1,987 ns/iter (+/- 274)
test dtwood::bench_str_from_null_terminated_utf8_unchecked ... bench: 170 ns/iter (+/- 18)
test ideasman42::bench_str_from_u8_nul_utf8_unchecked ... bench: 2,466 ns/iter (+/- 292)
test ker::bench_str_from_u8_nul_utf8 ... bench: 1,971 ns/iter (+/- 209)
test ker::bench_str_from_u8_nul_utf8_unchecked ... bench: 1,828 ns/iter (+/- 205)
所以,如果你是超级关心性能,可能是最好的与您的特定数据集的基准 - dtwood::str:from_null_terminated_utf8_unchecked
似乎与更长的字符串有更好的表现,但ker::bench_str_from_u8_nul_utf8_unchecked
不小(< 20个字符)的字符串更好。
我也鼓励你展示非未经检查的版本,对于其他找到这个答案却不能保证字符串的人已经是UTF-8。 – Shepmaster
请注意,您的整体功能也应该是'不安全';它要求调用者确保utf8_src的确在UTF-8中以避免UB。 – whitequark
'let last_index = utf8_src.position(|&b | b == 0).map_or(utf8_src.len(),| i | i - 1)'? – Dogbert
在这种情况下,需要一个nul字节的第一个索引:例如:'memchr(utf8,0,utf8。len())' – ideasman42