資訊專(zhuān)欄INFORMATION COLUMN
摘要：我希望的是類(lèi)似中文字符這樣的使用體驗(yàn)。中文中文這里的遍歷就類(lèi)似中文中文我們這里干的事情類(lèi)似于里兩種類(lèi)型的區(qū)分。
致力于在現(xiàn)代C++中提供Python的編程體驗(yàn)。這個(gè)建立在兩個(gè)關(guān)鍵的基礎(chǔ)上
c++ 11/14/17 提供了從 auto 到 structure binding 的語(yǔ)法便利
https://ericniebler.github.io... 提供的 range 抽象
但是 python 體驗(yàn)是建立在語(yǔ)言內(nèi)建的大量方便函數(shù)的基礎(chǔ)之上的。而 Modern C++ 還缺少大量使用起來(lái)方便的庫(kù)。
我們今天要來(lái)解決的第一個(gè)問(wèn)題是如何在C++中表達(dá)字符串。選擇一個(gè)字符串的實(shí)現(xiàn)主要有三方面的考慮：
是值對(duì)象還是引用對(duì)象：std::string 是值對(duì)象，std::string_view 是引用對(duì)象。值對(duì)象即便用上了所有的優(yōu)化（stack分配內(nèi)存，ref counted cow）仍然是有開(kāi)銷(xiāo)的。在該使用應(yīng)用的地方，仍然應(yīng)該使用引用。
值對(duì)象的內(nèi)存管理。folly::fbstring 就比 std::string 更好地利用了內(nèi)存
支持 unicode：不應(yīng)該把字符串簡(jiǎn)單看成一個(gè)char數(shù)組
市面上幾乎所有的string抽象對(duì)unicode支持都不好。我希望的是類(lèi)似u"中文字符"這樣的使用體驗(yàn)。c++ 11/14/17 在unicode支持方面支持得非常有限：
雖然引入了char16_t 和 char32_t，但是你以為字符串就是 vector
regex 不支持 unicode，. 是無(wú)法匹配一個(gè)完整的code point 的
https://github.com/CaptainCro... 這個(gè)封裝是最接近的，但是不是基于 range-v3 的。
目前的我實(shí)現(xiàn)的代碼在：https://github.com/taowen/pyt...
定義一個(gè)字符串常量
auto str = U8("中文字符");
U8是一個(gè)宏，可以保證u8""這樣字符串聲明（c++ 編譯器支持的 utf8 編碼），同時(shí)額外做的工作是讓構(gòu)造出來(lái)的字符串和普通的字符串類(lèi)型不兼容，避免誤用。也就是 string != unicode 。這個(gè)就相當(dāng)于
str = u"中文字符"
取得字符串長(zhǎng)度
CHECK(2 == (U8("中文") | pyn::len));
這個(gè)就相當(dāng)于
len(u"中文")
如果不喜歡 | 的調(diào)用語(yǔ)法，也可以用普通的函數(shù)
pyn::len(U8("中文"));
首字母大寫(xiě)
CHECK(U8("Hello") == (U8("hello") | utf8::capitalize | utf8::to_text));
注意這里 capitalize 并不會(huì)立即返回一個(gè)新的字符串（分配一個(gè)新的內(nèi)存空間，然后拷貝字符），而是返回了一個(gè)類(lèi)似python generator的東西。在 to_text 的時(shí)候才會(huì)分配內(nèi)存，進(jìn)行計(jì)算。默認(rèn) to_text 返回的字符串類(lèi)型是 utf8::Text 底層存儲(chǔ)是 folly::fbstring。
這里定義的字符串并不能直接遍歷或者下標(biāo)訪問(wèn)，因?yàn)樵趗nicode中什么一個(gè)“character“是有歧義的，把字符串看成一個(gè)數(shù)組是一個(gè)過(guò)時(shí)的想法（即便是16位的char）。字符串就沒(méi)有常量時(shí)間可隨機(jī)訪問(wèn)這么一說(shuō)。如果需要遍歷，需要這么寫(xiě)
auto chars = std::vector{}; for (auto c : U8("abc") | utf8::code_units) { chars.push_back(c); } CHECK((std::vector {"a", "b", "c"}) == chars);
這個(gè)取得的是code unit，在非ascii范圍內(nèi)的字符會(huì)讀取不完整。
