![](/img/trans.png)
[英]How can I store a Chars iterator in the same struct as the String it is iterating on?
[英]How can I create an efficient iterator of chars from stdin with Rust?
相應的棄用問題很好地總結了Read::chars
的問題並提供了建議:
不關心增量處理數據的代碼可以使用
Read::read_to_string
代替。 關心的代碼可能還希望控制其緩沖策略並使用盡可能大的&[u8]
和&str
切片,而不是一次一個char
。 它應該基於str::from_utf8
函數以及Utf8Error
類型的valid_up_to
和error_len
方法。 一個棘手的方面是處理單個char
在 UTF-8 中由多個字節表示的情況,這些字節碰巧被拆分為單獨的read
調用/緩沖區塊。 (Utf8Error::error_len
返回None
表示可能是這種情況。)utf-8
crate解決了這個問題,但為了靈活提供了一個 API,該 API 可能有太多的表面無法包含在標准庫中。當然,以上是針對始終為 UTF-8 的數據。 如果需要支持其他字符編碼,請考慮使用
encoding_rs
或encoding
crate。
就I/O 調用次數而言,最有效的解決方案是將所有內容讀入一個巨大的緩沖區String
並對其進行迭代:
use std::io::{self, Read};
fn main() {
let stdin = io::stdin();
let mut s = String::new();
stdin.lock().read_to_string(&mut s).expect("Couldn't read");
for c in s.chars() {
println!(">{}<", c);
}
}
您可以將其與Is there an own version of String::chars?的答案結合起來。 :
use std::io::{self, Read};
fn reader_chars<R: Read>(mut rdr: R) -> io::Result<impl Iterator<Item = char>> {
let mut s = String::new();
rdr.read_to_string(&mut s)?;
Ok(s.into_chars()) // from https://stackoverflow.com/q/47193584/155423
}
fn main() -> io::Result<()> {
let stdin = io::stdin();
for c in reader_chars(stdin.lock())? {
println!(">{}<", c);
}
Ok(())
}
我們現在有一個函數,它為實現Read
任何類型返回char
的迭代器。
有了這種模式后,只需決定在何處權衡內存分配與 I/O 請求。 這是使用行大小緩沖區的類似想法:
use std::io::{BufRead, BufReader, Read};
fn reader_chars<R: Read>(rdr: R) -> impl Iterator<Item = char> {
// We use 6 bytes here to force emoji to be segmented for demo purposes
// Pick more appropriate size for your case
let reader = BufReader::with_capacity(6, rdr);
reader
.lines()
.flat_map(|l| l) // Ignoring any errors
.flat_map(|s| s.into_chars()) // from https://stackoverflow.com/q/47193584/155423
}
fn main() {
// emoji are 4 bytes each
let data = "😻🧐🐪💩";
let data = data.as_bytes();
for c in reader_chars(data) {
println!(">{}<", c);
}
}
極端的情況是為每個字符執行一個 I/O 請求。 這不會占用太多內存,但會產生大量 I/O 開銷。
將Read::chars
的實現復制並粘貼到您自己的代碼中。 它會像以前一樣工作。
也可以看看:
正如其他幾個人提到的,可以復制已棄用的Read::chars
實現以在您自己的代碼中使用。 這是否真的理想取決於您的用例——對我來說,這證明現在已經足夠了,盡管我的應用程序在不久的將來可能會超越這種方法。
為了說明如何做到這一點,讓我們看一個具體的例子:
use std::io::{self, Error, ErrorKind, Read};
use std::result;
use std::str;
struct MyReader<R> {
inner: R,
}
impl<R: Read> MyReader<R> {
fn new(inner: R) -> MyReader<R> {
MyReader {
inner,
}
}
#[derive(Debug)]
enum MyReaderError {
NotUtf8,
Other(Error),
}
impl<R: Read> Iterator for MyReader<R> {
type Item = result::Result<char, MyReaderError>;
fn next(&mut self) -> Option<result::Result<char, MyReaderError>> {
let first_byte = match read_one_byte(&mut self.inner)? {
Ok(b) => b,
Err(e) => return Some(Err(MyReaderError::Other(e))),
};
let width = utf8_char_width(first_byte);
if width == 1 {
return Some(Ok(first_byte as char));
}
if width == 0 {
return Some(Err(MyReaderError::NotUtf8));
}
let mut buf = [first_byte, 0, 0, 0];
{
let mut start = 1;
while start < width {
match self.inner.read(&mut buf[start..width]) {
Ok(0) => return Some(Err(MyReaderError::NotUtf8)),
Ok(n) => start += n,
Err(ref e) if e.kind() == ErrorKind::Interrupted => continue,
Err(e) => return Some(Err(MyReaderError::Other(e))),
}
}
}
Some(match str::from_utf8(&buf[..width]).ok() {
Some(s) => Ok(s.chars().next().unwrap());
None => Err(MyReaderError::NotUtf8),
})
}
}
上面的代碼還需要實現read_one_byte
和utf8_char_width
。 那些應該看起來像:
static UTF8_CHAR_WIDTH: [u8; 256] = [
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, // 0x1F
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, // 0x3F
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, // 0x5F
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, // 0x7F
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, // 0x9F
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, // 0xBF
0,0,2,2,2,2,2,2,2,2,2,2,2,2,2,2,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2, // 0xDF
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3, // 0xEF
4,4,4,4,4,0,0,0,0,0,0,0,0,0,0,0, // 0xFF
];
fn utf8_char_width(b: u8) -> usize {
return UTF8_CHAR_WIDTH[b as usize] as usize;
}
fn read_one_byte(reader: &mut Read) -> Option<io::Result<u8>> {
let mut buf = [0];
loop {
return match reader.read(&mut buf) {
Ok(0) => None,
Ok(..) => Some(Ok(buf[0])),
Err(ref e) if e.kind() == ErrorKind::Interrupted => continue,
Err(e) => Some(Err(e)),
};
}
}
現在我們可以使用MyReader
實現在某些讀取器上生成char
的迭代器,例如io::stdin::Stdin
:
fn main() {
let stdin = io::stdin();
let mut reader = MyReader::new(stdin.lock());
for c in reader {
println!("{}", c);
}
}
在原始問題線程中詳細討論了這種方法的局限性。 然而,值得指出的一個特別問題是該迭代器將無法正確處理非 UTF-8 編碼的流。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.