Do you want to pick up from where you left of?
Take me there

字符串

字符串、字符列表、字素(Graphemes) 和字码点(Codepoints)。

字符串

Elixir 字符串就是字节序列,我们来看一个例子:

iex> string = <<104,101,108,108,111>>
"hello"
iex> string <> <<0>>
<<104, 101, 108, 108, 111, 0>>

我们可以看到,当在 string 后面添加一个字节 0 之后,IEx 将 string 显示为二进制,因为它已经不再是一个合法的字符串了。这个小技巧可以让我们看到所有字符串底层的字节。

NOTE: 使用 << >> 是告诉编译器这个符号里面的内容是字节。

字符列表

在 Elixir 内部,字符串是字节序列表示的,而不是字符数组。Elixir 也有一个字符列表的类型:字符串是双引号括起来的,而字符列表是单引号括起来的。

这两者有什么区别呢?字符列表的每个值都是字符的 UTF-8 的码点(Codepoint), 而字符串里面的值是字符的二进制字节。我们来深入了解一下:

iex> 'hełło'
[104, 101, 322, 322, 111]
iex> "hełło" <> <<0>>
<<104, 101, 197, 130, 197, 130, 111, 0>>

322 是 ł 的 UTF-8 码点,但是它在 UTF-8 中被编码为两个字节: 197130

你可以通过 ? 来获得一个字符的码点:

iex> ?Z
90

通过 ?Z 你可以直接取得 Z 的码点而不是 Z 这个字符。

在使用 Elixir 编程的时候,通常会使用字符串,而不是字符列表。字符列表之所以存在,是因为有些 Erlang 模块要用到它。

更多的信息请参考官方文档 Getting Started Guide.

字素和字码点

码点(Codepoint)就是一个或者多个字节表示的 Unicode 字符(根据 UTF-8 编码方式,每个字码点会有长度不同)。ASCII 码之外的字符一般都会由多个字节表示,比如带有波浪线或者声调的拉丁字符 (á, ñ, è) 一般都是两个字节表示的。而亚洲语言的字符一般都是三个或者四个字节。字素(Graphemes)就是一个字符的表示,通常由多个字码点组成。

String 模块已经提供了两个方法来获取这两种方式的值:graphemes/1codepoints/1。我们来看一下:

iex> string = "\u0061\u0301"
"á"

iex> String.codepoints string
["a", "́"]

iex> String.graphemes string
["á"]

字符串函数

这个部分我们看一下 String 模块最常用的一些函数。本课程只会介绍其中的一部分,如果要了解所有的函数,请参考官方 String 文档

length/1

返回字符串中的字素的数量:

iex> String.length("Hello")
5

replace/3

返回一个新的字符串,它的值是把原来某些模式替换成新的字符串得到的:

iex> String.replace("Hello", "e", "a")
"Hallo"

duplicate/2

返回重复了 n 遍的字符串:

iex> String.duplicate("Oh my ", 3)
"Oh my Oh my Oh my "

split/2

返回把原字符串按照某个模式分隔后的字符串列表:

iex> String.split("Hello World", " ")
["Hello", "World"]

练习

我们来做个小的练习,证明已经掌握了字符串的知识。

重组字符串

A 和 B 如果能通过重组变得和对方一样,就认为两者是重组字符串。比如:

如果我们重组 A 字符串中的元素就可以得到 B,反之亦然。

那么,怎么才能用 Elixir 判断两个字符串是否为重组字符串呢?最简单的办法就是对两个字符串的字符进行排序,然后比较排序后的结果是否相等。我们来试试这个方法:

defmodule Anagram do
  def anagrams?(a, b) when is_binary(a) and is_binary(b) do
    sort_string(a) == sort_string(b)
  end

  def sort_string(string) do
    string
    |> String.downcase()
    |> String.graphemes()
    |> Enum.sort()
  end
end

先看一下 anagrams?/2,首先我们会检查接受的参数是否为 binaries,这是 Elixir 检查参数是否为字符串的方法。 然后,我们会调用把字符串按照字母表排序的函数,这个函数首先把所有字符转换成小写,然后调用 String.graphemes 得到字符串中字素的列表。思路很清晰,对吧?

我们来通过 iex 看一下输出结果:

iex> Anagram.anagrams?("Hello", "ohell")
true

iex> Anagram.anagrams?("María", "íMara")
true

iex> Anagram.anagrams?(3, 5)
** (FunctionClauseError) no function clause matching in Anagram.anagrams?/2

    The following arguments were given to Anagram.anagrams?/2:

        # 1
        3

        # 2
        5

    iex:11: Anagram.anagrams?/2

正如上面展示的,最后一次调用 anagrams? 返回了 FunctionClauseError,这个错误就是告诉我们模块中没有接受两个非字符串的函数。这正是我们期望的结果:只接受字符串作为参数,其他都不允许。

Caught a mistake or want to contribute to the lesson? Edit this lesson on GitHub!