我有一段文字，字符的字节长不同。
let text = "Hello привет";
我需要从给定的开始（包括）和结束（不包括）字符索引中提取字符串的一部分。我尝试过了
let slice = &text[start..end];
并出现以下错误
thread 'main' panicked at 'byte index 7 is not a char boundary; it is inside 'п' (bytes 6..8) of `Hello привет`'
我想发生这种情况是因为西里尔字母是多字节的，并且[..]表示法使用 byte 索引接受字符。如果我想使用 character 索引进行切片，就像在Python中一样，该怎么办？
slice = text[start:end]吗？
我知道我可以使用chars()迭代器并手动遍历所需的子字符串，但是还有更简洁的方法吗？
答案 0 :(得分：24)
我知道我可以使用
chars()迭代器并手动遍历所需的子字符串，但是还有更简洁的方法吗？
如果您知道确切的字节索引，则可以对字符串进行切片：
let text = "Hello привет";
println!("{}", &text[2..10]);
这将显示“ lloпр”。因此，问题在于找出确切的字节位置。您可以使用char_indices()迭代器轻松地做到这一点（或者，您可以将chars()与char::len_utf8()一起使用）
let text = "Hello привет";
let end = text.char_indices().map(|(i, _)| i).nth(8).unwrap();
println!("{}", &text[2..idx]);
作为另一种选择，您可以首先将字符串收集到Vec<char>中。然后，建立索引很简单，但是要将其打印为字符串，则必须再次收集它或编写自己的函数来进行索引。
let text = "Hello привет";
let text_vec = text.chars().collect::<Vec<_>>();
println!("{}", text_vec[2..8].iter().cloned().collect::<String>());
如您所见，这些解决方案都不是那么好。这是故意的，原因有两个：
由于str是一个简单的UTF8缓冲区，因此按Unicode代码点进行索引是O（n）操作。通常，人们期望[]运算符是O（1）运算。 Rust使这种运行时复杂性变得明确，并且不会尝试将其隐藏。在以上两种解决方案中，您都可以清楚地看到它不是O（1）。
但更重要的原因：
Python的功能（以及您认为想要的功能）并不是那么有用。一切都归结为语言的复杂性，从而也归因于unicode的复杂性。 Python切片Unicode codepoints 。这就是Rust char所代表的。它是32位大（少了几位就足够了，但是我们舍入为2的幂）。
但是您实际上想要做的是切片用户感知的字符。但这是一个明确松散定义的术语。不同的文化和语言将不同的事物视为“一个字符”。最接近的近似是“字素簇”。这样的群集可以由一个或多个unicode码点组成。考虑以下Python 3代码：
>>> s = "Jürgen"
>>> s[0:2]
'Ju'
令人惊讶，对吧？这是因为上面的字符串是：
0x004A拉丁文大写字母J 0x0075拉丁文小写字母U 0x0308结合诊断这是一个合并字符的示例，该字符作为前一个字符的一部分呈现。 Python切片在这里做“错误”的事情。
另一个例子：
>>> s = "fire"
>>> s[0:2]
'fir'
也不是您所期望的。这次，fi实际上是连字fi，它是一个代码点。
还有更多的示例，其中Unicode表现出令人惊讶的方式。有关更多信息和示例，请参见底部的链接。
因此，如果您想使用应该可以在任何地方使用的国际字符串，请不要进行代码点切片！如果您确实需要在语义上将字符串视为一系列字符，请使用字素簇。为此，板条箱unicode-segmentation非常有用。
有关此主题的其他资源：
答案 1 :(得分：7)
UTF-8编码的字符串可能包含由多个字节组成的字符。在您的情况下，п从索引6（含）开始，到位置8（不含）结束，因此索引7不是字符的开始。这就是您发生错误的原因。
您可以使用str::char_indices来解决这个问题（请记住，到达UTF-8的位置是O(n)）：
fn get_utf8_slice(string: &str, start: usize, end: usize) -> Option<&str> {
assert!(end >= start);
string.char_indices().nth(start).and_then(|(start_pos, _)| {
string[start_pos..]
.char_indices()
.nth(end - start + 1)
.map(|(end_pos, _)| &string[start_pos..end_pos])
})
}
如果可以使用String，则可以使用str::chars()：
let string: String = text.chars().take(end).skip(start).collect();
答案 2 :(得分：0)
这是一个检索utf8切片的函数，具有以下优点：
coord_trans(y = "log10")