字符串编码
Julia 中的 String 并不具有一个特定的编码类型，包括但不限于 ASCII、Latin-1、UTF-8、UCS-2、UTF-16 和 UTF-32，每个字符占据一定的连续空间，但仍以 Char 形式导出。
Julia 中 String 所采用的编码的基本假设是「自同步（self-synchronizing）」
| 直观编号 | Char | 所占字节数 |
|---|---|---|
| 1 | 3 | 1 |
| 2 | θ | 2 |
| 3 | 猫 | 3 |
相关函数
| 函数原型 | 描述 | 举例 | 备注 |
|---|---|---|---|
length(s::AbstractString) -> Int | s的直观字符数 | length(s) = 3 | 时间复杂度与字符串长度线性正相关 |
ncodeunits(s::AbstractString) -> Int | s的实际字节数 | length(s) = 6 | 也可用 sizeof |
ncodeunits(c::Char) -> Int | UTF-8 格式表示 c 所需字符数 | ncodeunits('猫') = 3 | |
length(s::AbstractString, i::Integer, j::Integer) -> Int | s 中实际字节 i~j 所包含的直观字节数（识别开头位置），特别地，当 i 为 ncodeunits(s) + 1 或 j 为 0 时返回 0 | length(s, 3, 4) = 1 | |
isvalid(s::AbstractString, i::Integer) -> Bool | s 的第 i 个字节是否是某个字符空间块的起点 | isvalid(s,5) = false | |
getindex(s::AbstractString, i::Int) -> Char | 获取 s 的第 i 个字节所在字符，i 为该字符空间块的起点 | s[4] = '猫' | |
getindex(s::AbstractString, r::UnitRange{Integer}) -> String | 通过实际字节索引获取 s 的子字符串，其中 isvalid(s, r.start)，isvalid(r.stop) | s[2:4] = "θ猫" | |
thisind(s::AbstractString, i::Integer) -> Int | 获取第 i 个字节所在字符空间块的起点，特别地，当 i 为 0 或 ncodeunits(s) + 1 时返回 i | thisind(s, 5)=4 | 错误抛出 BoundsError |
nextind(str::AbstractString, i::Integer, n::Integer=1) -> Int | n=1 时返回 s 中跟随在下标 i 后面的合法字符字节下标，详见对应帮助 | nextind(s,0,3) = 4 | 可以通过 nextind(s, 0, i) 获取第 i 个直观字符的空间块起点 |
prevind(str::AbstractString, i::Integer, n::Integer=1) -> Int | n=1时返回 s 中跟随在下标 i 前面的合法字符字节下标，详见对应帮助 | / | |
codeunit(s::AbstractString) -> Type{<:Union{UInt8, UInt16, UInt32}} | 导出 s 编码的 bit 数 | codeunit(s) = UInt8 | |
codeunit(s::AbstractString, i::Integer) -> Union{UInt8, UInt16, UInt32} | 导出 s 在实际编号 i 处的数据 | codeunit(s, 1) = 0x33 | codeunit(s, i)::codeunit(s) |
codeunits(s::AbstractString) | 导出 s 的全部字节数据 | Vector{UInt8}(codeunits(s))[1] = 0x33 |
通常来说，越界抛出 BoundsError，而不在字符空间块起点位置（使用 isvalid 检查）抛出 StringIndexError
选择
如果处理的是纯标准 ASCII 内容，可以不使用以
ind结尾的函数，只需进行「下标 += 1」等操作即可如果处理英语、常见欧洲语言、中文等只需使用上述函数
如果需处理印度语、泰语、emoji 或其它复杂物体，可能需要注意下述一些坑