前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【投稿】Rust 中的生命周期 —— 从 StrSplit 实例说开去

【投稿】Rust 中的生命周期 —— 从 StrSplit 实例说开去

作者头像
MikeLoveRust
发布2021-12-09 19:45:38
1.7K0
发布2021-12-09 19:45:38
举报
文章被收录于专栏:Rust语言学习交流

在本文中,我们将围绕着字符串分割的实例,讲解 Rust 中的生命周期。首先我们会剖析为什么需要生命周期、什么是生命周期、以及如何标注生命周期;接下来引入多生命周期标注,并阐述什么时候需要标注多个生命周期。在此基础上,我们向前多迈一步,使用自定义的 trait 来取代分隔符的定义,让实现更加通用。最后通过查看标准库字符串分割的实现,综合理解本文中所有的知识点。

前置要求

至少看过 Rust The Book 前 8 章的内容。推荐的学习资料:

  • Take your first steps with Rust 微软推出的 Rust 培训课程,可以配合视频一起使用 Rust for Beginners
  • Rust The Book —— 第 4 章和第 10 章的内容与本文密切相关,建议重新阅读一遍
  • 极客时间专栏 陈天 · Rust 编程第一课 —— 第 7 讲 - 第 11 讲
  • Jon Gjengset 的 YouTube 频道,本文就是 Crust of Rust 系列 Lifetime Annotations 的学习笔记

快速开始

确定目标,实现字符串分割

input: "a b c d e" -- &str output: "a" "b" "c" "d" "e" -- 分隔符指定为 " ",每次 next 得到一个 &str

开始一个 Rust 项目:

代码语言:javascript
复制
cargo new --lib strsplit

同时,我们可以使用 Rust Playground 进行练习,文中展示的所有代码都提供了 playground 链接,可以点击跳转过去,Run 起来测试一下。

搭建骨架

定义数据结构和方法,添加单元测试,搭建好骨架:

代码语言:javascript
复制
pub struct StrSplit {    remainder: &str,    delimiter: &str,}impl StrSplit {    pub fn new(haystack: &str, delimiter: &str) -> Self {        // ....
    }}impl Iterator for StrSplit {    type Item = &str;    fn next(&mut self) -> Option<Self::Item> {        // ...
    }}#[test]fn it_works() {    let haystack = "a b c d e";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", "e"]);}

实现 Iterator Trait 之后,就可以使用 for 循环遍历对应的 struct。

为什么使用 &str,而不是 String?

当我们对一个知识点不熟悉时,打开 playground,写一段代码测试一下

为了方便解释,我们写一段简单的代码(代码 0,String, str and &str)

代码语言:javascript
复制
fn main() {    let noodles: &'static str = "noodles";    // let poodles: String = String::from(noodles);
    // https://doc.rust-lang.org/std/primitive.slice.html#method.to_vec
    let poodles: String = noodles.to_string();  // 底层调用的就是 String::from(noodles);
    let oodles: &str = &poodles[1..];    println!("addr of {:?}: {:p}", "noodles", &"noodles");    println!("addr of noodles: {:p}, len: {}, size: {}", &noodles,        noodles.len(), std::mem::size_of_val(&noodles));    println!("addr of poodles: {:p}, len: {}, capacity: {}, size: {}", &poodles,        poodles.len(), poodles.capacity(), std::mem::size_of_val(&poodles));    println!("addr of oodles: {:p}, len: {}, size: {}", &oodles,        oodles.len(), std::mem::size_of_val(&oodles));}

"noodles" 作为字符串常量(string literal),编译时存入可执行文件的 .RODATA 段,在程序加载时,获得一个固定的内存地址。作为一个字符串切片赋值给栈上变量 noodles,拥有静态生命周期(static lifetime),在程序运行期间一直有效。

当执行 noodles.to_string() 时,跟踪标准库实现,最后调用 [u8]::to_vec_in() ,在堆上分配一块新的内存,将 "noodles" 逐字节拷贝过去。

当把堆上的数据赋值给 poodles 时,poodles 作为分配在栈上的一个变量,其拥有(owns)堆上数据的所有权,使用胖指针(fat pointer)进行表示:ptr 指向字符串堆内存的首地址、length 表示字符串当前长度、capacity 表示分配的堆内存总容量。

oodles 为字符串切片,表示对字符串某一部分(包含全部字符串)的引用的(A string slice is a reference to part of a String),包含两部分内容:ptr 指向字符串切片首地址(可以为堆内存和 static 静态内存)、length 表示切片长度。

下图清晰展示了这里的关系:

  • str —— [char],表示为一串字符序列(a sequence of characters),编译期无法确定其长度(dynamically sized);
  • &str —— &[T],表示为一个胖指针(fat pointer),ptr 指向切片首地址、length 表示切片长度,编译期可以确定其长度为 16 字节;
  • String —— Vec<char>,表示为一个胖指针(fat pointer),ptr 指向字符串堆内存的首地址、length 表示字符串当前长度、capacity 表示分配的堆内存的总容量。堆内存支持动态扩展和收缩。编译期可以确定其长度为 24 字节。

在这里,针对分隔符 delimiter,使用 String 会存在两个问题:

1、涉及堆内存分配,开销大;

2、需要进行堆内存分配,而在嵌入式系统中是没有堆内存的,会有兼容性问题。

因此使用 &str 类型。

Iterator trait

查看标准文档 Iterator trait

代码语言:javascript
复制
pub trait Iterator {    /// The type of the elements being iterated over.
    type Item;    // 必须实现的关联方法,被其他关联方法的缺省实现所依赖
    /// Advances the iterator and returns the next value.
    ///
    /// Returns [`None`] when iteration is finished. Individual iterator
    /// implementations may choose to resume iteration, and so calling `next()`
    /// again may or may not eventually start returning [`Some(Item)`] again at some
    /// point.
    fn next(&mut self) -> Option<Self::Item>;    // 其他的一些关联方法,有缺省实现
    fn collect<B>(self) -> B    where        B: FromIterator<Self::Item>,    { ... }    // ...
}
  • 关联类型(associated types)—— 例如 type Item; 为迭代遍历的类型,只有在用户实现 Iterator trait 时才能够确定遍历的值的类型,延迟绑定。
  • 方法(methods),也称为关联函数(associated functions)—— 对于 Iterator trait,next() 是必须实现的(Request methods),在值存在时,返回 Some(item);值不存在时,返回 None。trait 中的其他方法有缺省的实现。也就是说,只要用户实现了 Iterator trait 的 next() 方法,该 trait 中的其他方法就有了默认实现,可以直接进行使用。

什么时候用 Self,什么时候用 self?

  • Self 代表当前的类型,比如 StrSplit 类型实现 Iterator,那么实现过程中使用到的 Self 就指代 StrSplit
  • self 在用作方法的第一个参数时,实际上就是 self: Self(参数名: 参数类型)的简写,所以 &selfself: &Self,而 &mut selfself: &mut Self

因此 Iterator trait 的 next() 签名展开为:

代码语言:javascript
复制
pub trait Iterator {    type Item;    // fn next(&mut self) -> Option<Self::Item>;
    fn next(self: &mut Self) -> Option<Self::Item>;}

version #1: hands on

让我们直接开始吧(代码 1,version #1: hands on)

代码语言:javascript
复制
pub struct StrSplit {    remainder: &str,    delimiter: &str,}impl StrSplit {    pub fn new(haystack: &str, delimiter: &str) -> Self {        Self {            remainder: haystack,            delimiter,        }    }}impl Iterator for StrSplit {    type Item = &str;    fn next(&mut self) -> Option<Self::Item> {        if let Some(next_delim) = self.remainder.find(self.delimiter) {            let until_delimiter = &self.remainder[..next_delim];            self.remainder = &self.remainder[(next_delim + self.delimiter.len())..];            Some(until_delimiter)        } else if self.remainder.is_empty() {            None        } else {            let rest = self.remainder;            self.remainder = "";            Some(rest)        }    }}#[test]fn it_works() {    let haystack = "a b c d e";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", "e"]);}

next() 的实现很简单:

1、在字符串中查找分隔符第一次出现的位置,如果找到返回索引值 Some(usize),未找到返回 None

2、根据索引值将字符串分为三个部分,第一部分为 next() 的返回值,第二部分为分隔符,第三部分为剩余待处理的字符串,在下一次调用 next() 作为原始字符串。

执行编译,报错信息如下:

代码语言:javascript
复制
Compiling playground v0.0.1 (/playground)
error[E0106]: missing lifetime specifier
 --> src/lib.rs:2:16
  |
2 |     remainder: &str,
  |                ^ expected named lifetime parameter
  |
help: consider introducing a named lifetime parameter
  |
1 ~ pub struct StrSplit<'a> {
2 ~     remainder: &'a str,
  |

error[E0106]: missing lifetime specifier
 --> src/lib.rs:3:16
  |
3 |     delimiter: &str,
  |                ^ expected named lifetime parameter
  |
help: consider introducing a named lifetime parameter
  |
1 ~ pub struct StrSplit<'a> {
2 |     remainder: &str,
3 ~     delimiter: &'a str,
  |

error[E0106]: missing lifetime specifier
  --> src/lib.rs:16:17
   |
16 |     type Item = &str;
   |                 ^ expected named lifetime parameter
   |
help: consider introducing a named lifetime parameter
   |
16 |     type Item<'a> = &'a str;
   |              ++++    ++

For more information about this error, try `rustc --explain E0106`.

三个错误信息都提示缺少生命周期标注(lifetime specifier),编译器建议添加生命周期参数(lifetime parameter),因此我们在 version #1 上添加生命周期标注。

根据错误代码 E0106 使用 rustc --explain E0106 探索更详细的信息,可以在浏览器中搜索 Rust E0106,也可以直接在命令行中查看,使用 playground 运行可以直接点击 [E0106] 跳转到错误说明。 E0106 错误可以分为两大类: 1、数据结构缺少生命周期标注(a lifetime is missing from a type)—— 使用数据结构时,数据结构自身的生命周期,需要小于等于其内部字段的所有引用的生命周期; 2、函数签名缺少生命周期标注,即使编译器执行生命周期自动标注,也无能为力(If it is an error inside a function signature, the problem may be with failing to adhere to the lifetime elision rules)。 编译器会通过一些简单的 规则,自动添加生命周期标注: 1、所有引用类型的参数都有独立的生命周期 'a'b 等(a reference gets its own lifetime parameter); 2、如果只有一个引用型输入,它的生命周期会赋给所有输出(if there is exactly one input lifetime parameter, that lifetime is assigned to all output lifetime parameters); 3、如果有多个引用类型的参数,其中一个是 self(作为数据结构的方法,第一个参数是 &self&mut self),那么它的生命周期会赋给所有输出(if there are multiple input lifetime parameters, but one of them is &self or &mut self because this is a method, the lifetime of self is assigned to all output lifetime parameters)。

version #2: add lifetime specifier

在 playground 中多次编译,根据编译器给到的错误信息补充生命周期标注,直至编译成功(代码 2,version #2: add lifetime specifier)

代码语言:javascript
复制
pub struct StrSplit<'a> {    remainder: &'a str,    delimiter: &'a str,}impl<'a> StrSplit<'a> {    pub fn new(haystack: &'a str, delimiter: &'a str) -> Self {        Self {            remainder: haystack,            delimiter,        }    }}impl<'a> Iterator for StrSplit<'a> {    type Item = &'a str;    fn next(&mut self) -> Option<Self::Item> {        if let Some(next_delim) = self.remainder.find(self.delimiter) {            let until_delimiter = &self.remainder[..next_delim];            self.remainder = &self.remainder[(next_delim + self.delimiter.len())..];            Some(until_delimiter)        } else if self.remainder.is_empty() {            None        } else {            let rest = self.remainder;            self.remainder = ""; // -- caution
            // &'a str  -----   &'static str
            Some(rest)        }    }}#[test]fn it_works() {    let haystack = "a b c d e";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", "e"]);}

数据结构的生命周期标注

当 struct 包含有引用类型的参数时,需要在 struct 定义时添加生命周期标注 —— 与声明泛型数据类型(generic data types)的语法一致,在 struct 名称后的尖括号内声明泛型生命周期参数(generic lifetime parameter),这样在 struct 的定义中就可以使用这个生命周期参数进行生命周期标注。例如 remainderdelimiter 是两个字符串引用,StrSplit 的生命周期不能大于它们,否则会访问失效的内存,因此需要进行生命周期标注。

代码语言:javascript
复制
pub struct StrSplit<'a> {    remainder: &'a str,    delimiter: &'a str,}

使用数据结构时,数据结构自身的生命周期,需要小于等于其内部字段的所有引用的生命周期。

在实现对应的数据结构时,由于 impl block 和 struct 生命周期参数是分隔开的,因此需要为 impl block 添加上生命周期参数(E0261),例如:

代码语言:javascript
复制
pub struct StrSplit<'a> {    remainder: &'a str,    delimiter: &'a str,}// error[E0261]: use of undeclared lifetime name `'a`
impl StrSplit<'a> {    pub fn new(haystack: &'a str, delimiter: &'a str) -> Self {        Self {            remainder: haystack,            delimiter,        }    }}

为 impl block 添加上生命周期参数即可修复:

代码语言:javascript
复制
pub struct StrSplit<'a> {    remainder: &'a str,    delimiter: &'a str,}// correct
impl<'a> StrSplit<'a> {    pub fn new(haystack: &'a str, delimiter: &'a str) -> Self {        Self {            remainder: haystack,            delimiter,        }    }}

同理,也适用于 impl<'a> Iterator for StrSplit<'a>

函数签名的生命周期标注

使用 new() 作为例子

代码语言:javascript
复制
pub struct StrSplit<'a> {    remainder: &'a str,    delimiter: &'a str,}impl<'a> StrSplit<'a> {    // 去掉入参的生命周期标注
    pub fn new(haystack: &str, delimiter: &str) -> Self {        Self {            remainder: haystack,            delimiter,        }    }}

Self 简写展开:

代码语言:javascript
复制
pub struct StrSplit<'a> {    remainder: &'a str,    delimiter: &'a str,}impl<'a> StrSplit<'a> {    pub fn new(haystack: &str, delimiter: &str) -> StrSplit<'a> {        StrSplit {            remainder: haystack,            delimiter,        }    }}

函数返回值的生命周期为 'a,而两个入参的生命周期与 'a 的关系却未可知,可能在后续使用 StrSplit struct 时包含的两个字段 remainder / delimiter已经被释放,出现 use after free。因此需要使用生命周期参数约束入参与入参之间、入参与返回值之间的关系。

代码语言:javascript
复制
impl<'a> StrSplit<'a> {    pub fn new(haystack: &'a str, delimiter: &'a str) -> StrSplit<'a> {        StrSplit {            remainder: haystack,            delimiter,        }    }}

Static lifetime

next() 实现的 else block 中执行了一个赋值操作:

代码语言:javascript
复制
self.remainder = "";

等号左侧为 &'a str,等号右侧 "" 为字符串字面量 —— 上文我们讲到,字符串字面量拥有静态生命周期(static lifetime)—— 使用 &'static str 表示。将 &'static str 赋值给 &'a str,长生命周期的值赋值给短的生命周期(subtyping system)。

增加一个以分隔符结尾的单元测试

增加一个单元测试,以分隔符结尾(代码 3,分隔符结尾的测试报错),测试报错。

代码语言:javascript
复制
#[test]fn tail_test() {    let haystack = "a b c d ";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", ""]);}

为什么会报错呢?

在代码 3(代码 3,分隔符结尾的测试报错)中,增加了 3 处 print 打印,同时修改第一个测试使之报错。

代码语言:javascript
复制
---- it_works stdout ----
1-remainder = "a b c d e f"
1-remainder = "b c d e f"
1-remainder = "c d e f"
1-remainder = "d e f"
1-remainder = "e f"
3-remainder = "f"
2-remainder = ""

---- tail_test stdout ----
1-remainder = "a b c d "
1-remainder = "b c d "
1-remainder = "c d "
1-remainder = "d "
2-remainder = ""

观察 print 打印的信息,可以发现两个测试用例都在 self.remainder.is_empty() 分支结束执行:

  1. 正常测试用例 "a b c d e f",在仅剩下 "f" 时,调用 next(),此时返回 "f",不再剩余待处理的字符串,但目前的实现,将剩余字符串设置为了空字符串(代码 3,line 30);
  2. 以分隔符结尾的测试用例 "a b c d ",在处理到 "d " 时,调用 next(),此时返回 "d",剩余待处理字符串为空字符串,需要下一次调用 next() 时返回。

目前的实现依赖对空字符串的处理,在进入 self.remainder.is_empty() 分支时,直接返回 None,满足测试用例 1,不满足测试用例 2(二者不能同时满足)。

怎样去除对空字符串的依赖呢?

  • 测试用例 1,处理完 "f" 后,没有剩余待处理的字符串 —— 使用 None 表示;
  • 测试用例 2,处理完 "d" 后,还有一个空字符串待处理 —— 使用 Some("") 表示。

version #3: fix tail delimiter

reminder 定义为 Option<&'a str> 类型(代码 4,待处理字符串定义为 Option)

  • Some("xxx") —— 仍有待处理的字符串,包括空字符串;
  • None —— 没有剩余待处理的字符串。
代码语言:javascript
复制
pub struct StrSplit<'a> {    remainder: Option<&'a str>,    delimiter: &'a str,}impl<'a> StrSplit<'a> {    pub fn new(haystack: &'a str, delimiter: &'a str) -> Self {        Self {            remainder: Some(haystack),            delimiter,        }    }}impl<'a> Iterator for StrSplit<'a> {    type Item = &'a str;    fn next(&mut self) -> Option<Self::Item> {        // &mut &'a str ----------- Option<&'a str>
        // 匹配 self.remainder == Some("xxx"),同时获取 val 的可变借用
        if let Some(ref mut remainder) = self.remainder {            if let Some(next_delim) = remainder.find(self.delimiter) {                let until_delimiter = &remainder[..next_delim];                // left without *  - &mut &'a str
                // right - &'a str
                *remainder = &remainder[(next_delim + self.delimiter.len())..];                Some(until_delimiter)            } else {                // https://doc.rust-lang.org/std/option/enum.Option.html#method.take
                // impl<T> Option<T> { fn take(&mut self) -> Option<T> }
                // Takes the value out of the option, leaving a None in its place.
                self.remainder.take()            }        } else {            None        }    }}#[test]fn it_works() {    let haystack = "a b c d e";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", "e"]);}#[test]fn tail_test() {    let haystack = "a b c d ";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", ""]);}

修改后的 next() 实现逻辑如下:

1、首先执行模式匹配,如果仍有待处理的字符串,即 Some("xxx"),匹配得到待处理的字符串,记为 remainder

2、在待处理的字符串中查找分隔符

  • 存在分隔符,得到分隔符第一次出现的索引位置,根据索引将字符串分为三个部分,第一部分为此次调用的返回值,第二部分为分隔符,第三部分为下一次调用 next() 时待处理的字符串(即此次调用需要更新待处理的字符串);
  • 不存在分隔符,直接返回待处理的字符串;并设置剩余待处理字符串为 None(表示没有剩余待处理的字符串),下一次调用 next() 时直接返回 None

3、如果没有待处理的字符串,直接返回 None

ref mut

refmut 作为 Identifier patterns 的关键字:

代码语言:javascript
复制
IdentifierPattern :
      ref? mut? IDENTIFIER (@ Pattern ) ?

写一段代码测试一下 ref mut 的使用(代码 5,ref mut 测试)

代码语言:javascript
复制
fn main() {    let name = String::from("qiaoin");    let gender = String::from("Male");    let mut age = 27;    age = 28;    println!("name = {:?}, gender = {:?}, age = {:?}", name, gender, age);    let mut owned_name = name;  // String doesn't impl Copy trait, ownship moved here
    println!("owned_name = {:?}, gender = {:?}, age = {:?}", owned_name, gender, age);    // 可以将注释删除,编译看一下具体的错误信息
    // println!("name = {:?}, gender = {:?}, age = {:?}", name, gender, age);  // error, borrowed after move
    // A `ref` borrow on the left side of an assignment is equivalent to
    // an `&` borrow on the right side.
    let ref ref_gender_1 = gender;    let ref_gender_2 = &gender;    println!("owned_name = {:?}, ref_gender_1 = {:?}, age = {:?}", owned_name, ref_gender_1, age);    println!("owned_name = {:?}, ref_gender_2 = {:?}, age = {:?}", owned_name, ref_gender_2, age);    println!("ref_gender_1 equal ref_gender_2 = {}", *ref_gender_1 == *ref_gender_2);    println!("owned_name = {:?}, gender = {:?}, age = {:?}", owned_name, gender, age);    // borrowed as mutable
    let ref mut mut_ref_name = owned_name;    println!("owned_name = {:?}, gender = {:?}, age = {:?}", mut_ref_name, gender, age);    *mut_ref_name = String::from("桥");    println!("owned_name = {:?}, gender = {:?}, age = {:?}", mut_ref_name, gender, age);    // 其后,mut_ref_name 就不是活跃的 mutable borrowed
    // Non-Lexical Lifetimes, NLL for short
    // 因此可以在这里访问 immutable borrowed
    println!("owned_name = {:?}, gender = {:?}, age = {:?}", owned_name, gender, age);    // borrowed as mutable
    let mut_ref_name_2 = &mut owned_name;    *mut_ref_name_2 = String::from("qiaoin");    println!("mut_ref_name_2 = {:?}, gender = {:?}, age = {:?}", mut_ref_name_2, gender, age);}
  • 在等号左侧使用 ref 不可变借用 === 在等号右侧使用 & 不可变借用
  • 在等号左侧使用 ref mut 可变借用 === 在等号右侧使用 &mut 可变借用

既然两者都直接等价,为什么还需要 ref 关键字呢?

ref 主要使用在模式匹配(pattern matching)中(let / match),对匹配到的值进行借用(borrow),而不是 Copy 或者 Move 匹配到的值(根据匹配值的类型是否实现了 Copy trait)。

应用于模式匹配语句时,ref& 的比较如下(ref keyword):

  • ref 不作为模式的一部分,不影响值是否匹配,只影响匹配到的值作为借用在 scope 中使用,因此 Foo(ref foo)Foo(foo) 两个模式匹配相同的对象;
  • & 作为模式的一部分,表示待匹配的模式要求为一个对象的引用,因此 &FooFoo 两个模式匹配不同的对象。

假设去掉 ref mut,则后续不能修改。

代码语言:javascript
复制
if let Some(remainder) = self.remainder {    // can't mutable ... 
}

假设使用 &mut 进行模式匹配,则右侧类型需要为 Option<&mut T>,匹配后 remainder 的类型为 T,依旧不能修改。

代码语言:javascript
复制
if let Some(&mut remainder) = self.remainder {    // can't mutable ...
}

version #3.1 use ? operator

next() 实现中有以下的一段代码:

代码语言:javascript
复制
impl<'a> Iterator for StrSplit<'a> {    type Item = &'a str;    fn next(&mut self) -> Option<Self::Item> {        if let Some(ref mut remainder) = self.remainder {            // do something
        } else {            None        }    }}
  • self.remainderSome(val) 时,匹配到内部的 val,得到其可变引用,继续后续的操作;
  • self.remainderNone 时,直接返回 None

可以使用 ? 操作符实现相同的逻辑。同样写一段代码测试 ? 操作符(代码 6,? operator 测试)

代码语言:javascript
复制
fn main() {    if complex_function().is_none() {        println!("X not exists!");    }}fn complex_function() -> Option<&'static str> {    // 末尾使用 ? operator
    // 如果是 None, 直接返回;如果是 Some("abc"), set x to "abc"
    let x = get_an_optional_value()?;    println!("{}", x); // "abc" ; if you change line 19 `false` to `true`
    Some("")}fn get_an_optional_value() -> Option<&'static str> {    // if the optional value is not empty
    if false {        return Some("abc");    }    // else
    None}

如何替换 ref mut 的模式匹配呢?本质问题为如何做类型的转换,将类型 &mut Option<&'a str> 转换为类型 Option<&mut &'a str> —— Option::as_mut() 可以完成这个类型转换。因此,简单的优化后得到如下实现(代码 7,version #3.1 use ?)

代码语言:javascript
复制
impl<'a> Iterator for StrSplit<'a> {    type Item = &'a str;    fn next(&mut self) -> Option<Self::Item> {        // https://doc.rust-lang.org/std/option/enum.Option.html#method.as_mut
        // impl<T> Option<T> { fn as_mut(&mut self) -> Option<&mut T> }
        // self.remainder --- &mut Option<&'a str>
        // self.remainder.as_mut() --- Option<&mut &'a str>
        // self.remainder.as_mut()? --- if Some("xxx"), type is &mut &'a str
        let remainder = self.remainder.as_mut()?;        if let Some(next_delim) = remainder.find(self.delimiter) {            let until_delimiter = &remainder[..next_delim];            // left without *  - &mut &'a str
            // right - &'a str
            *remainder = &remainder[(next_delim + self.delimiter.len())..];            Some(until_delimiter)        } else {            // https://doc.rust-lang.org/std/option/enum.Option.html#method.take
            // impl<T> Option<T> { fn take(&mut self) -> Option<T> }
            self.remainder.take()        }    }}

version #4: multiple lifetimes

already done?

思考一个问题,remainderdelimiter 需要为相同的生命周期吗?

来看下面一个例子,现在有一个函数使用 StrSplit 提供的字符串分割能力,其对外 API 使用 char 作为分隔符,因此在调用 StrSplit 前需通过 char 得到 &str(代码 8,使用 char 作为分隔符)

代码语言:javascript
复制
pub fn until_char(s: &str, c: char) -> &str {    let delim = format!("{}", c);    StrSplit::new(s, &delim)        .next()        .expect("StrSplit should have at least one result")}#[test]fn test_until_char() {    assert_eq!(until_char("hello, world", 'r'), "hello, wo");}

执行编译,报错信息如下:

代码语言:javascript
复制
Compiling playground v0.0.1 (/playground)
error[E0515]: cannot return value referencing local variable `delim`
  --> src/lib.rs:41:5
   |
41 |       StrSplit::new(s, &delim)
   |       ^                ------ `delim` is borrowed here
   |  _____|
   | |
42 | |         .next()
43 | |         .expect("StrSplit should have at least one result")
   | |___________________________________________________________^ returns a value referencing data owned by the current function

For more information about this error, try `rustc --explain E0515`.

同样,可以查看 E0515 获取更多信息,但这里的解决方案需要从根本上去挖掘。

让我们回到本小节开头的那个问题,remainderdelimiter 是否需要为相同的生命周期?StrSplit 字符串分割应该与待处理字符串 remainder 的生命周期保持一致,与分隔符 delimiter 的生命周期没有直接联系。

但在目前的 struct StrSplit 定义中,只声明了一个生命周期参数 'aremainderdelimiter 有相同的生命周期标注。同时,在实现 Iterator trait 时,返回值与 remainder 的生命周期保持一致,也是 'a

until_char 进行编译时,传递给 StrSplit::new(s, &delim) 的两个参数拥有不同的生命周期:

  • s 的生命周期 >= delim 的生命周期;
  • delim 的生命周期为当前函数体;在执行完函数后,就会被 Drop 掉。

由于我们在 struct StrSplit 定义中将两个参数标注为相同的生命周期,此时,编译器认为 s 和临时变量 delim 应该拥有相同的生命周期,因此会将长的生命周期(longer lifetime)转化为短的生命周期(shorter lifetime)。在 until_char 返回时,返回的引用的生命周期与 delim 临时变量的生命周期相绑定(也即与函数 until_char 的生命周期相绑定),而临时变量的生命周期会在函数执行完毕后被 Drop 掉,因此编译器给到报错。

真实情况是,我们需要的 until_char 函数签名如下:

代码语言:javascript
复制
fn until_char<'s>(s: &'s str, c: char) -> &'s str {}//                     ^                    ^
//                     |                    |
//          待处理的字符串引用的生命周期    返回的引用的生命周期

我们希望返回的引用的生命周期与待处理的字符串引用的生命周期相绑定。

add multiple lifetime

struct StrSplit 定义的两个参数,使用不同的生命周期参数进行标注(代码 9,使用多个生命周期参数标注)

代码语言:javascript
复制
pub struct StrSplit<'haystack, 'delimiter> {    remainder: Option<&'haystack str>,    delimiter: &'delimiter str,}impl<'haystack, 'delimiter> StrSplit<'haystack, 'delimiter> {    pub fn new(haystack: &'haystack str, delimiter: &'delimiter str) -> Self {        Self {            remainder: Some(haystack),            delimiter,        }    }}impl<'haystack, 'delimiter> Iterator for StrSplit<'haystack, 'delimiter> {    type Item = &'haystack str;    fn next(&mut self) -> Option<Self::Item> {        let remainder = self.remainder.as_mut()?;        if let Some(next_delim) = remainder.find(self.delimiter) {            let until_delimiter = &remainder[..next_delim];            *remainder = &remainder[(next_delim + self.delimiter.len())..];            Some(until_delimiter)        } else {            self.remainder.take()        }    }}fn until_char(s: &str, c: char) -> &str {    let delim = format!("{}", c);  // 每次构造 delimiter 都需要进行一次堆上的内存分配
    StrSplit::new(s, &delim)        .next()        .expect("StrSplit should have at least one result")}#[test]fn test_until_char() {    assert_eq!(until_char("hello, world", 'r'), "hello, wo");}

至此,我们就正确实现了字符串分割的功能。在目前的实现中,delimiter 是一个 &str 类型的分隔符;我们期望更通用一点(anything can find itself in a str)。

version #5: generic delimiter

明确一下目标:按照分隔符对目标字符串进行分割

  • 操作的对象 —— 字符串;
  • 分割字符串 —— 根据分隔符将目标字符串分割为三个部分;
代码语言:javascript
复制
xxxxxxxxxxxxxxx1xxxxxxx3xxx4xxxxx6xxxx8x
     first part     ^     third part
                    |
                second part
  • 索引值 —— 至少需要两个索引值将字符串分割为三个部分,1)分隔符的开始索引,2)分隔符的结束索引+1(为了方便处理,类似编程语言中的 end() 指向最后一个元素的下一个位置);如果分隔符长度固定,可以只需要一个索引值,但这里考虑分隔符可能为正则表达式,会匹配不同长度的分隔符,因此确定为两个索引值。

使用 trait 定义分隔符

how to use traits to define behavior in a generic way

代码语言:javascript
复制
pub trait Delimiter {    // 在字符串中查找分隔符 self
    // 1)找到,返回 (分隔符的开始索引, 分隔符的结束索引+1)
    // 2)未找到,返回 None
    fn find_next(&self, s: &str) -> Option<(usize, usize)>;}

StrSplit 的第二个参数,实现 Delimiter trait:

代码语言:javascript
复制
pub struct StrSplit<'haystack, D> {    remainder: Option<&'haystack str>,    delimiter: D,}impl<'haystack, D> StrSplit<'haystack, D> {    pub fn new(haystack: &'haystack str, delimiter: D) -> Self {        Self {            remainder: Some(haystack),            delimiter,        }    }}

为不同的分隔符类型实现 Delimiter trait

  • &str 实现 Delimiter trait
代码语言:javascript
复制
impl Delimiter for &str {    fn find_next(&self, s: &str) -> Option<(usize, usize)> {        s.find(self).map(|start| (start, start + self.len()))    }}
  • char 实现 Delimiter trait
代码语言:javascript
复制
impl Delimiter for char {    fn find_next(&self, s: &str) -> Option<(usize, usize)> {        s.char_indices()            .find(|(_, c)| c == self)            .map(|(start, _)| (start, start + self.len_utf8()))    }}

更多其他类型都可以按需实现。

str::find & Option::map

&str 实现 Delimiter trait 时,s.find(self) 传入的是一个字符串;而在 &str 实现 Delimiter trait 时,s.char_indices().find(|(_, c)| c == self) 传入的是一个闭包(closure)。看一下 str::find() 的函数签名:

代码语言:javascript
复制
pub fn find<'a, P>(&'a self, pat: P) -> Option<usize>where    P: Pattern<'a>,

实现功能为,在字符串中搜索匹配的 Pattern,返回匹配到的字符串的开始索引 Some(usize);未找到,返回 None。对于 Pattern trait 的讨论我们放在本文的最后一节。

结合 Option::map 对匹配的结果做一下转换:

  • Some(usize) —— 在匹配的分隔符开始索引上,apply 闭包,得到 Some(分隔符开始索引, 分隔符结束索引+1)
  • None —— 返回 None

最终代码实现

完整的代码如下(代码 10,最终实现):

代码语言:javascript
复制
pub struct StrSplit<'haystack, D> {    remainder: Option<&'haystack str>,    delimiter: D,}impl<'haystack, D> StrSplit<'haystack, D> {    pub fn new(haystack: &'haystack str, delimiter: D) -> Self {        Self {            remainder: Some(haystack),            delimiter,        }    }}pub trait Delimiter {    // 在字符串中查找分隔符 self
    // 1)找到,返回 (分隔符的开始索引, 分隔符的结束索引+1)
    // 2)未找到,返回 None
    fn find_next(&self, s: &str) -> Option<(usize, usize)>;}impl Delimiter for &str {    fn find_next(&self, s: &str) -> Option<(usize, usize)> {        s.find(self).map(|start| (start, start + self.len()))    }}impl Delimiter for char {    fn find_next(&self, s: &str) -> Option<(usize, usize)> {        s.char_indices()            .find(|(_, c)| c == self)            .map(|(start, _)| (start, start + self.len_utf8()))    }}impl<'haystack, D> Iterator for StrSplit<'haystack, D>where    D: Delimiter,{    type Item = &'haystack str;    fn next(&mut self) -> Option<Self::Item> {        // https://doc.rust-lang.org/std/option/enum.Option.html#method.as_mut
        // impl<T> Option<T> { fn as_mut(&mut self) -> Option<&mut T> }
        // self.remainder --- &mut Option<&'a str>
        // self.remainder.as_mut() --- Option<&mut &'a str>
        // self.remainder.as_mut()? --- if Some("xxx"), type is &mut &'a str
        let remainder = self.remainder.as_mut()?;        if let Some((delim_start, delim_end)) = self.delimiter.find_next(remainder) {            let until_delimiter = &remainder[..delim_start];            // left without *  - &mut &'a str
            // right - &'a str
            *remainder = &remainder[delim_end..];            Some(until_delimiter)        } else {            // https://doc.rust-lang.org/std/option/enum.Option.html#method.take
            // impl<T> Option<T> { fn take(&mut self) -> Option<T> }
            self.remainder.take()        }    }}fn until_char(s: &str, c: char) -> &str {    StrSplit::new(s, c)        .next()        .expect("StrSplit should have at least one result")}#[test]fn test_until_char() {    assert_eq!(until_char("hello, world", 'r'), "hello, wo");}#[test]fn it_works() {    let haystack = "a b c d e";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", "e"]);}#[test]fn tail_test() {    let haystack = "a b c d ";    let letters: Vec<_> = StrSplit::new(haystack, " ").collect();    assert_eq!(letters, vec!["a", "b", "c", "d", ""]);}

至此,我们实现了 StrSplit,支持自定义 Delimiter(对应类型实现 Delimiter trait)

标准库 str::split

标准库的 str::split 实现,str - split

代码语言:javascript
复制
pub fn split<'a, P>(&'a self, pat: P) -> Split<'a, P>where    P: Pattern<'a>,

pat 为 &str 类型时,split() 完整的调用链路

测试代码

代码语言:javascript
复制
fn main() {    let mut a = "hello world".split(" ");    let b = a.next();    println!("{:?}", b);  // Some("hello")
}

1、"hello world".split(" ") 调用 str::split() 返回 Split struct

代码语言:javascript
复制
// https://doc.rust-lang.org/src/core/str/mod.rs.html#1217
pub fn split<'a, P: Pattern<'a>>(&'a self, pat: P) -> Split<'a, P> {    Split(SplitInternal {        start: 0,        end: self.len(),        matcher: pat.into_searcher(self),  // StrSearcher
        allow_trailing_empty: true,        finished: false,    })}

2、a.next() 返回匹配的字符串,查看 Split struct 实现的 Iterator trait next()

代码语言:javascript
复制
// 宏定义 https://doc.rust-lang.org/src/core/str/iter.rs.html#450
// Split struct 定义 https://doc.rust-lang.org/src/core/str/iter.rs.html#733
impl<'a, P> Iterator for Split<'a, P>where    P: Pattern<'a>,{    type Item = &'a str;    pub fn next(&mut self) -> Option<&'a str> {        // self.0 ---- core::str::iter::SplitInternal<'_, &str>
        self.0.next()    }}

3、调用 SplitInternal::next()

代码语言:javascript
复制
// https://doc.rust-lang.org/src/core/str/iter.rs.html#599
impl<'a, P: Pattern<'a>> SplitInternal<'a, P> {    fn next(&mut self) -> Option<&'a str> {        if self.finished {            return None;        }        let haystack = self.matcher.haystack();        match self.matcher.next_match() {            // SAFETY: `Searcher` guarantees that `a` and `b` lie on unicode boundaries.
            Some((a, b)) => unsafe {                let elt = haystack.get_unchecked(self.start..a);                self.start = b;                Some(elt)            },            None => self.get_end(),  // 将 self.finished 设置为 true,下一次调用返回 None
        }    }}
  • 步骤 1 中,调用 split() 构造 Split struct 返回,其中 matcher: pat.into_searcher(self),通过 Pattern::into_searcher 作为构造器去构造出一个 StrSearcher
代码语言:javascript
复制
// https://doc.rust-lang.org/src/core/str/pattern.rs.html#91-155
pub trait Pattern<'a> {    type Searcher: Searcher<'a>;    fn into_searcher(self, haystack: &'a str) -> Self::Searcher;}// https://doc.rust-lang.org/src/core/str/pattern.rs.html#862-904
impl<'a, 'b> Pattern<'a> for &'b str {    type Searcher = StrSearcher<'a, 'b>;    fn into_searcher(self, haystack: &'a str) -> StrSearcher<'a, 'b> {        StrSearcher::new(haystack, self)  // haystack --- "hello world"; self -- " "
    }}
  • self.matcher.haystack() 获取得到待处理的字符串
  • self.matcher.next_match() 获取匹配到 "" 的起始索引(详细实现就不贴了,有兴趣的同学可以查看 Search trait 的文档说明) —— (start_match, end_match),其中 start_match 表示 Pattern 的开始索引,end_match 表示 Pattern 的结束索引+1。
  • Some((a, b)) 匹配后,将匹配到的字符串返回,同时修改待处理字符串的 start 索引
代码语言:javascript
复制
pub unsafe trait Searcher<'a> {    // Required methods
    fn haystack(&self) -> &'a str;    fn next(&mut self) -> SearchStep;    // Provided methods
    fn next_match(&mut self) -> Option<(usize, usize)> { ... }    fn next_reject(&mut self) -> Option<(usize, usize)> { ... }}// https://doc.rust-lang.org/src/core/str/pattern.rs.html#962-1050
unsafe impl<'a, 'b> Searcher<'a> for StrSearcher<'a, 'b> {    fn haystack(&self) -> &'a str {        self.haystack  // first call, return "hello world"
    }    fn next(&mut self) -> SearchStep { ... }    fn next_match(&mut self) -> Option<(usize, usize)> { ... }}

主要的逻辑都是围绕一个数据结构 Split struct 和两个 trait(Pattern trait 和 Search trait)进行的,我们分别看一下。

Split struct

Split struct 使用 宏进行实现,宏定义 中实现了 Iterator trait(同时还实现了 DoubleEndedIterator 和 FusedIterator,这里暂不讨论),因此测试代码中可以 a.next() 进行调用。

代码语言:javascript
复制
pub struct Split<'a, P>(_) where    P: Pattern<'a>;impl<'a, P: Pattern<'a>> Split<'a, P> {    /// Returns remainder of the splitted string 返回剩余待处理的字符串
    pub fn as_str(&self) -> &'a str {        self.0.as_str()    }}impl<'a, P> Iterator for Split<'a, P>where    P: Pattern<'a>,{    type Item = &'a str;    pub fn next(&mut self) -> Option<&'a str> {        self.0.next()    }}

Pattern trait

Pattern trait(类似我们定义的 Delimiter trait,但 Pattern trait 要复杂很多)包含一个关联类型 type Searcherinto_searcher 作为构造器去构造出特定类型的 Searcher(作为真实的执行者,进行字符串匹配操作)。

实现了 Pattern trait 的六种类型都可以作为 split() 的参数,在 haystack: &'a str 中搜索匹配的字符串,表格 1 展示了对应的类型和搜索匹配之间的关系。

Pattern type

Match condition

&str

is substring

char

is contained in string

&[char]

any char in slice is contained in string

F: FnMut(char) -> bool

F returns true for a char in string

&&str

is substring

&String

is substring

表格 1:实现 Pattern trait 的六种类型与搜索匹配的对应关系

代码语言:javascript
复制
pub trait Pattern<'a> {    type Searcher: Searcher<'a>;    fn into_searcher(self, haystack: &'a str) -> Self::Searcher;}// 以下六个 structs 实现了 Pattern trait
impl<'a> Pattern<'a> for char { ... }impl<'a, 'b> Pattern<'a> for &'b str {    type Searcher = StrSearcher<'a, 'b>;}impl<'a, 'b> Pattern<'a> for &'b String { ... }impl<'a, 'b> Pattern<'a> for &'b [char] { ... }impl<'a, 'b, 'c> Pattern<'a> for &'c &'b str { ... }impl<'a, F> Pattern<'a> for Fwhere    F: FnMut(char) -> bool, 
{ ... }

Search trait

真实地进行字符串匹配的执行者,从给定字符串的起点位置(字符串最左侧)开始匹配对应的 Pattern。需要注意的是,Search trait 被标记为 unsafe,原因是 next() 返回的索引值需要保证正好落在有效的 UTF-8 边界上(lie on valid utf8 boundaries in the haystack),详细说明可以查看 文档

代码语言:javascript
复制
pub unsafe trait Searcher<'a> {    // Required methods
    fn haystack(&self) -> &'a str;    fn next(&mut self) -> SearchStep;    // Provided methods
    fn next_match(&mut self) -> Option<(usize, usize)> { ... }    fn next_reject(&mut self) -> Option<(usize, usize)> { ... }}// 以下四个 structs 实现了 Search trait
unsafe impl<'a> Searcher<'a> for CharSearcher<'a> { ... }unsafe impl<'a, 'b> Searcher<'a> for CharSliceSearcher<'a, 'b> { ... }unsafe impl<'a, 'b> Searcher<'a> for StrSearcher<'a, 'b> { ... }unsafe impl<'a, F> Searcher<'a> for CharPredicateSearcher<'a, F>where    F: FnMut(char) -> bool,{ ... }

总结

在本文中,我们围绕着字符串分割的实例,详细讲解了 Rust 中生命周期,包括为什么需要生命周期、什么是生命周期、以及如何标注生命周期。同时,针对字符串分割仅与待处理字符串的生命周期相关联,我们引入了多生命周期。最后,使用 trait 来定义分割行为,让实现更加通用。

通过 5 个版本的修改,一步步完成我们自己的 StrSplit,最后查看标准库的字符串分割实现,加深理解。

除了对生命周期相关概念的讲解外,本文还对实现中的一些细节做了讲解:

  • &strString 的区别与联系
  • Iterator trait
  • Selfself
  • ref mut 进行模式匹配
  • ? operator
  • etc ...

本文为作者刚开始学习 Rust 的一篇学习笔记,如果遗漏或错误,欢迎大家在评论区讨论指出。

References

  • Crust of Rust 系列 Lifetime Annotations 本文为学习此视频后的笔记
  • Rust The Book 第 4 章和第 10 章
  • 极客时间专栏 陈天 · Rust 编程第一课,第 7 讲 - 第 11 讲
  • Rust 标准库文档,对于 Rust 的源码直接从 docs.rs 点击过去看一下
  • Rust 语言的备忘清单
  • rust - What is a "fat pointer"? - Stack Overflow
  • Authors of "Programming Rust 2nd Edition" have a sense of humor : rust 文中 noodles 的代码示例和图示受这个帖子启发,有删改
  • Rust Playground 文中的代码示例都给到了 playground 的链接,在阅读的时候可以点击跳转过去 Run 起来看一下运行结果或错误提示
  • Rust Compiler Error Index Rust 错误列表,在 playground 中运行报错时可以直接点击跳转过来查看,作为字典查询即可

发布于 2021-12-08 12:55

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-12-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Rust语言学习交流 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 前置要求
  • 快速开始
    • 搭建骨架
      • 为什么使用 &str,而不是 String?
        • Iterator trait
          • 什么时候用 Self,什么时候用 self?
          • version #1: hands on
          • version #2: add lifetime specifier
            • 数据结构的生命周期标注
              • 函数签名的生命周期标注
                • Static lifetime
                  • 增加一个以分隔符结尾的单元测试
                  • version #3: fix tail delimiter
                    • ref mut
                      • version #3.1 use ? operator
                      • version #4: multiple lifetimes
                        • already done?
                          • add multiple lifetime
                          • version #5: generic delimiter
                            • 使用 trait 定义分隔符
                              • 为不同的分隔符类型实现 Delimiter trait
                                • str::find & Option::map
                                  • 最终代码实现
                                  • 标准库 str::split
                                    • pat 为 &str 类型时,split() 完整的调用链路
                                      • Split struct
                                        • Pattern trait
                                          • Search trait
                                          • 总结
                                          • References
                                          领券
                                          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档