字符串
复习
- 文字与编码：文字靠字符编码表示，ASCII、Unicode 与 UTF-8 解决编号与存储问题
- 数组：连续存储，可随机访问
- 抽象数据类型：先规定能做什么，再决定怎么做
TL;DR
- 字符串是字符的序列，底层常基于数组
- 编码决定了“一个字符占多少字节”
- 遍历、查找子串、切分、拼接是常见操作
- 有些语言里字符串不可变，安全便利，但有代价
正文
我们已经用过很多次字符串了。可它说到底，就是一种字符的序列——如果回想编码那一部分，字符又都是由二进制编号表示的。
底层其实就是数组
在大多数实现里，字符串的底层就是一个字符数组：字符一个挨一个地连续存放。
所以字符串天然继承了数组的特点：
- 可以按下标访问某个位置，
O(1) - 在中间插入或删除字符，需要挪动后面的部分，
O(n)
但这里有一个特别容易踩的坑：字符串的“第几个字符”和“第几个字节”，在有变长编码时并不一致。
比如 UTF-8 里，一个英文字母只占 1 个字节，可一个汉字往往占 3 个字节。于是“取第 5 个字符”，并不能简单地取第 5 个字节——必须按编码规则一路数过去。这正是编码知识会影响数据结构操作的一个典型例子。
常见操作
字符串上有一些高频操作：
- 遍历：逐个处理字符
- 查找子串：在一串里找另一串
- 切分：按分隔符拆成若干段
- 拼接：把两串接在一起
要留意拼接的代价。如果字符串底层是不可变的，那么每次拼接都可能需要新建一整串并复制内容，反复拼接会变得很慢。这也是为什么有些语言会提供专门的“可变字符串”类型，避免反复复制。
不可变：好处与代价
上文提到的“不可变”（immutable），是很多语言里字符串的重要特性：一旦创建，内容就不能被修改，只能生成新串。
它带来不少好处：
- 可以安全地在多处共享，不必担心被别人改掉
- 适合作为查找的键，因为内容不会变
- 并发使用时更省心
代价则是：任何“修改”都要生成新串，反复拼接或修改时开销较大。
这又是一次熟悉的权衡：用“不能改”换来安全与共享，也要为“每次改动都新建”付出代价。
思考题 1
在 UTF-8 字符串里，“第 5 个字符”为什么不能简单地取第 5 个字节？
思考题 2
字符串“不可变”有什么好处，又有什么代价？
小结
知识点
- 字符串是字符序列，底层常基于数组
- 变长编码下，字符位置与字节位置不一致
- 遍历、查找、切分、拼接是常见操作
- 不可变带来安全与共享，代价是修改要新建
参考资料
- Wikipedia(zh)：字符串：由字符组成的序列
- Wikipedia(zh)：UTF-8：一种变长的 Unicode 编码
思考题答案（仅供参考）
思考题 1
因为 UTF-8 是变长编码，不同字符占用的字节数不同（英文常为 1 字节，汉字常为 3 字节）。所以“第 5 个字符”对应的字节位置并不固定，必须按编码规则逐字解析才能定位，不能直接按字节下标取。
思考题 2
好处是内容永远不会被意外改动，可以放心共享、作为键、并发使用更安全。代价是任何“修改”都要新建一整串并复制内容，反复拼接或修改时开销大，因此常需要可变字符串来弥补。
协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
封面图
设计师 | 南国微雪