unicode-latin-extended-additional.png

前言

本篇文章主要淺析字符串\字符在 Swift 和 Objective-C 之間的區(qū)別及其簡(jiǎn)單用法。如有不妥的地方還望大家及時(shí)幫忙糾正。

字符串判空

在 swift 語言中空字符串初始化方式常用的有兩種：

// 方式一：
let testEmptyString0 = ""

// 方式二：
let testEmptyString1 = String()

在開發(fā)過程中，我們應(yīng)該如何用正確的方式來對(duì)字符串進(jìn)行判空處理呢？

// 方式一：這種方式其實(shí)就是判斷 characters.count 是否為0
if testEmptyString0.isEmpty {
    // empty
}

// 方式二：
if testEmptyString0.characters.count {
    // empty
}

// 方式三：
if (testEmptyString0 as NSString).length {
    // empty
}

字符串長(zhǎng)度計(jì)算

Objective-C

首先我們來回憶一下，在 Objective-C 中字符串是怎么計(jì)算長(zhǎng)度的？我想大家都應(yīng)該知道。來看看蘋果是怎么說的：

A string object is implemented as an array of Unicode characters (in other words, a text string). An immutable string is a text string that is defined when it is created and subsequently cannot be changed. To create and manage an immutable string, use the NSString class. To construct and manage a string that can be changed after it has been created, use NSMutableString.

A string object presents itself as an array of Unicode characters. You can determine how many characters it contains with the length method and can retrieve a specific character with the characterAtIndex: method.

看完這段話，想必大家都明白 NSString 是怎么實(shí)現(xiàn)的，以及如何獲取其長(zhǎng)度。通過 length 方法即可，那么 length 方法是如何實(shí)現(xiàn)的呢？蘋果官方是這樣說的：length 方法利用的是 UTF-16 表示的十六位編碼單元數(shù)字為單位進(jìn)行計(jì)算的（The number of UTF-16 code units in the receiver.）。UTF-16是什么？（感興趣的童鞋可以看一下我之前寫的一篇文章，字符編碼（一）），此處不再詳述。

Swift 3.0

Unicode 標(biāo)量表示

在 Swift 中，字符和字符串都是基于 Unicode 標(biāo)量建立的，采用21位二進(jìn)制進(jìn)行編碼，共17個(gè)平面（除了基本多文種平面中的 UTF-16 代理對(duì)碼位外，即U+D800至U+DFFF的編碼空間），也就是說編碼范圍是U+0000-U+D7FFF 或者 U+E000-U+10FFFF。

A Unicode scalar is any Unicode code point in the range U+0000 to U+D7FF inclusive or U+E000 to U+10FFFF inclusive. Unicode scalars do not include the Unicode surrogate pair code points, which are the code points in the range U+D800 to U+DFFF inclusive.”

因此在 Swift 中，我們可直接采用 Unicode 標(biāo)量的形式來表示字符或字符串，如：

let tingC = "\u{542C}" // 聽

let xinC = "\u{5FC3}" // 心
 

可擴(kuò)展的字形群集（簇）

在 Swift 中，每一個(gè) Character 類型實(shí)例都代表單個(gè)可擴(kuò)展的字形群集——即由一個(gè)或多個(gè) Unicode 標(biāo)量的序列組成的一個(gè)可讀字符。

漢字 “聽” 拼音為 tīng，以字母 ī 為例，用兩種方式表示。第一種，可以直接用單個(gè) Unicode 標(biāo)量 ī (LATIN SMALL LETTER I WITH MACRON) 來表示，即 U+012B，該字形群集中包含一個(gè) Unicode 標(biāo)量。第二種，可以采用兩個(gè) Unicode 標(biāo)量來表示，一個(gè)拉丁字母 i (LATIN SMALL LETTER I) 加上一個(gè)音調(diào)符（元音，COMBINING MACRON ACCENT）的標(biāo)量，即 U+0069 U+0304，這樣，當(dāng)字母 i 被 Unicode 文字渲染系統(tǒng)時(shí)就會(huì)轉(zhuǎn)換成 ī，該字形群集中包含兩個(gè) Unicode 標(biāo)量。

let tingO = "t" + "\u{0069}" + "ng" // Prints "ting "

let tingPS = "t" + "\u{0069}" + "\u{0304}" + "ng" // Prints "tīng"

let tingPD = "t" + "\u{012B}" + "ng" // Prints "tīng"

這兩種情況中，字母 ī 即代表了 Swift 中單個(gè) Character 類型實(shí)例，也代表了一個(gè)可擴(kuò)展的字形群集。想了解更多關(guān)于可擴(kuò)展的字形群集，可參考此鏈接。

字符串長(zhǎng)度

我們已經(jīng)簡(jiǎn)單了解了可擴(kuò)展的字形群集，現(xiàn)在我們?cè)賮砜纯?Swift 字符串中一些有意思的事。

Swift 中 String 類型，說白了就是 Character 類型實(shí)例的集合，在開發(fā)過程中，我們一般采用兩種方式來求字符串的長(zhǎng)度，第一種是轉(zhuǎn)成 Objective-C 中的 NSString 類型，通過 length 方法來獲取其長(zhǎng)度，第二種是通過字符串屬性 characters.count 的方式獲得。本小節(jié)主要討論第二種，本文會(huì)在結(jié)尾針對(duì)這兩種方式進(jìn)行比較。

在 Swift 中，細(xì)心的同學(xué)或許已經(jīng)發(fā)現(xiàn) tingPD 與 tingPS 字符串的字符數(shù)量是一樣的：

print("tingPD-Count:\(tingPD.characters.count), tingPS-Count:\(tingPS.characters.count)") 
// Prints "tingPD-Count:4, tingPS-Count:4"

下面我們來解決此疑惑，筆者已在前文說過，Swift 中 String\Character 都是基于 Unicode 標(biāo)量建立的，且 String 是 Character 的集合（即包含關(guān)系），而 String 屬性 characters.count 其實(shí)就是計(jì)算 Character 的數(shù)量，那么 character 是怎么定義的呢，或者說什么才算是一個(gè) character？此時(shí)又引出了一個(gè)概念——字形群集界限（Grapheme Cluster Boundaries），而”什么才算是一個(gè) character？“這個(gè)問題就是字形群集界限給出的答案，想深入了解的同學(xué)請(qǐng)看：傳送門。從用戶感觀（user-perceived）角度講，不管是字符 ī(U+012B) 或者是 i(U+0069) 再加上一個(gè)音調(diào)符（U+0304），這兩種表示最終的結(jié)果都是組成一個(gè)相同的可讀的字符，因此 tingPD 與 tingPS 字符串中的字符數(shù)量是一樣的。

通過上文的簡(jiǎn)單解釋，可以得出兩個(gè)結(jié)論：

1. 一個(gè)字符串拼接一個(gè)字符時(shí)，不一定會(huì)更改字符串的數(shù)量，即 characters.count 的值。

2. 在沒有獲取到字形群集界限的時(shí)候，無法計(jì)算出該字符串的字符數(shù)量，因此必須遍歷字符串中全部的 Unicode 標(biāo)量以獲取字形群集界限，進(jìn)而確定字符串的字符數(shù)量。

下面在看一個(gè)例子，相信大家都已明白輸出結(jié)果的原因：

var iWord = "i"

print("iword-Count: \(iWord.characters.count)")
// Prints "iword-Count: 1"

iWord += "\u{0304}" // ī
print("iword-Count: \(iWord.characters.count)")
// Prints "iword-Count: 1"

.length 與 .characters.count 的區(qū)別

首先 .length 是 Objective-C 中字符串長(zhǎng)度計(jì)算方法，而 .characters.count 可以說是 Swift 中字符串長(zhǎng)度計(jì)算方法，由于 Swift 中 String 類型可以轉(zhuǎn)成 Objective-C 中的 NSString 類型，因此在 Swift 開發(fā)過程中可能有如下兩種寫法：

print("tingPS.characters.count")
// Prints "4"
print("(tingPS as NSString).length")
// Prints "5"

從上述結(jié)果可看出，.length 方法得到的字符串長(zhǎng)度為5，而 .characters.count 等于4，可能讀者會(huì)有點(diǎn)懵，同一個(gè)字符串怎么計(jì)算的長(zhǎng)度不一致？其實(shí) .length 與 .characters.count 的計(jì)算原理在上文已經(jīng)做了解釋，本小節(jié)就簡(jiǎn)單總結(jié)一下：

.length 與 .characters.count 返回值不總是相同的，.length 方法是采用 UTF-16 表示的編碼單元為單位進(jìn)行計(jì)算并返回的，即字母 i(U+0069) 、音調(diào)符（U+0304）會(huì)當(dāng)做兩個(gè)字符，因而長(zhǎng)度為2。.character.count 的值是通過字形群集界限來確定字符數(shù)量的，如還不理解請(qǐng)查看上文。（PS：其實(shí)這里也是 Swift 中采用索引的方式訪問字符串的原因）