从字符串创建字符切片的滑动窗口迭代器

Question

我正在寻找使用为

slices 提供的 

String

 函数从 

Windows<T>

 到 

windows 的最佳方法。

我明白了如何用这种方式使用Windows：

fn main() {
    let tst = ['a', 'b', 'c', 'd', 'e', 'f', 'g'];
    let mut windows = tst.windows(3);

    // prints ['a', 'b', 'c']
    println!("{:?}", windows.next().unwrap());
    // prints ['b', 'c', 'd']
    println!("{:?}", windows.next().unwrap());
    // etc...
}

但是在解决这个问题时我有点迷失：

fn main() {
    let tst = String::from("abcdefg");
    let inter = ? //somehow create slice of character from tst
    let mut windows = inter.windows(3);

    // prints ['a', 'b', 'c']
    println!("{:?}", windows.next().unwrap());
    // prints ['b', 'c', 'd']
    println!("{:?}", windows.next().unwrap());
    // etc...
}

本质上，我正在寻找如何将字符串转换为可以使用 window 方法的字符切片。

Answer 1

您面临的问题是，

String

实际上被表示为类似

Vec<u8>

的东西，并且有一些API可以让您访问

char

。在 UTF-8 中，代码点的表示可以是 1 到 4 个字节之间的任何内容，并且它们都被压缩在一起以提高空间效率。

在不复制所有内容的情况下，您可以直接获得整个

String

的唯一切片将是

&[u8]

，但您不知道这些字节是否对应于整个或部分代码点。

char

类型与代码点完全对应，因此大小为 4 个字节，因此它可以容纳任何可能的值。因此，如果您通过从

char

复制来构建

String

的切片，结果可能会大 4 倍。

为了避免进行潜在的大型临时内存分配，您应该考虑一种更懒惰的方法 - 迭代

String

，在

char

边界处进行切片。像这样的东西：

fn char_windows<'a>(src: &'a str, win_size: usize) -> impl Iterator<Item = &'a str> {
    src.char_indices()
        .flat_map(move |(from, _)| {
            src[from ..].char_indices()
                .skip(win_size - 1)
                .next()
                .map(|(to, c)| {
                    &src[from .. from + to + c.len_utf8()]
                })
    })
}

这将为您提供一个迭代器，其中的项目为

&str

，每个项目都有 3 个

char

：

let mut windows = char_windows(&tst, 3);

for win in windows {
    println!("{:?}", win);
}

这种方法的好处是它根本没有进行任何复制 - 迭代器生成的每个

&str

仍然是原始源

String

的一部分。

---

所有这些复杂性都是因为 Rust 默认使用 UTF-8 编码字符串。如果您绝对知道您的输入字符串不包含任何多字节字符，您可以将其视为 ASCII 字节，并且获取切片变得很容易：

let tst = String::from("abcdefg");
let inter = tst.as_bytes();
let mut windows = inter.windows(3);

但是，您现在有了字节切片，您需要将它们转回字符串才能对它们执行任何操作：

for win in windows {
    println!("{:?}", String::from_utf8_lossy(win));
}

Answer 2

此解决方案将满足您的目的。 (游乐场)

fn main() {
    let tst = String::from("abcdefg");
    let inter = tst.chars().collect::<Vec<char>>();
    let mut windows = inter.windows(3);

    // prints ['a', 'b', 'c']
    println!("{:?}", windows.next().unwrap());
    // prints ['b', 'c', 'd']
    println!("{:?}", windows.next().unwrap());
    // etc...
    println!("{:?}", windows.next().unwrap());
}

String 可以迭代其字符，但它不是切片，因此您必须将其收集到 vec 中，然后将其强制转换为切片。

Answer 3

您可以使用 itertools 遍历任何迭代器的窗口，最大宽度为 12：

use itertools::Itertools; // 0.10.0

fn main() {
    let input = "日本語";

    for (a, b) in input.chars().tuple_windows() {
        println!("{}, {}", a, b);
    }
}

另请参阅：

• 是否有相当于 slice::chunks/windows 的迭代器来循环对、三元组等？