String 是否有UTF-16字符串类型的Rust库？（用于编写Javascript解释器）

对于大多数程序来说，最好是在必要时转换为其他编码。但在我的例子中，我想编写一个Javascript解释器，只存储UTF-16字符串（或

u16

数组）要简单得多，因为

我需要单独处理16位代码单元（一般来说这是个坏主意，但Javascript需要这样做）。这意味着我需要它来实现

索引

我需要存储未配对的代理，即格式错误的UTF-16字符串（因此，ECMAScript字符串在技术上定义为表示UTF-16字符串的

u16

数组）。在UTF-8中，有一种命名恰当的编码来存储未配对的代理，但我不想使用这样的东西

我希望使用所有或最常用的方法拥有通常拥有/借用的类型（如

String

/

str

和

CString

/

CStr

）。我不想滚动我自己的字符串类型（如果我可以避免的话）

此外，我的字符串始终是不可变的，位于

Rc

后面，并从包含指向所有字符串的弱指针的数据结构中引用（实现）。这可能是相关的：也许最好使用

Rc

作为字符串类型，其中

Utf16Str

是未指定大小的字符串类型（可以定义为

struct Utf16Str（[u16]）

）。这将避免在访问字符串时使用两个指针，但我不知道如何用未大小的类型实例化

Rc

鉴于上述要求，仅使用rust编码是非常不方便的，因为它处理所有非UTF-8编码

---

另外，我也不确定是否能帮到我。我查看了

Utf16Units

，它只是一个迭代器，不是正确的字符串类型。（另外，我知道

OsString

没有帮助-我不在Windows上，它甚至没有实现

索引

）

因为这里有多个问题，我将尝试分别回答：

---

我认为您需要的类型是

[u16]

和

Vec

默认的字符串类型

str

和

string

是围绕

[u8]

和

Vec

的包装（从技术上讲，str是基本的，但足够接近）。使用单独类型的目的是保持不变，即底层字节在UTF-8中格式良好

类似地，可以有

Utf16Str

和

Utf16String

类型环绕

[u16]

和

Vec

，它们保留格式良好的UTF-16不变量，即不存在未配对的代理项

但正如您在问题中所注意到的，JavaScript字符串可以包含未配对的代理。这是因为JavaScript字符串并不是严格意义上的UTF-16，它们实际上是

u16

的任意序列，没有额外的不变量

由于没有要维护的不变量，我认为包装器类型并没有那么有用

---

rust编码支持基于字节的UTF-16-LE和UTF-16-BE。您可能需要基于u16的UTF-16

std:：str:：Utf16Units

确实不是字符串类型。它是一个迭代器，由

str:：utf16\u units（）

方法返回，用于将Rust字符串转换为UTF-16（而不是LE或BE）。例如，您可以在该迭代器上使用

.collect（）

，以获取

Vec

---

获取

Rc

的唯一安全方法是强制执行编译时已知大小的

Rc

，这显然是不切实际的。我不推荐这种不安全的方法：分配内存，给它写一个头，希望与

RcBox

的内存表示相匹配，然后进行转换

如果要使用原始内存分配，最好使用自己的类型，这样就可以使用它的私有字段。卷须的作用是：

---

或者，如果您愿意承担额外间接寻址的成本，

Rc

是安全且容易得多的。

为什么不使用WTF-8？好吧，这就是Servo所做的。Servo中的Javascript字符串不是真的归SpiderMonkey所有吗？在SpiderMonkey中，字符串是。我的理解是，Servo在字符串不属于Javascript引擎时存储WTF-8，在存储在Javascript值中时转换为UTF-16（我想编写Javascript解释器，而不是浏览器）。我想你是对的，没关系。