为啥 Swift String.Index 保持其索引值比真实值大 4 倍？

Posted 2023-02-24

【中文标题】为啥 Swift String.Index 保持其索引值比真实值大 4 倍？

【英文标题】：Why does Swift String.Index keeps its index value 4 times bigger than real?为什么 Swift String.Index 保持其索引值比真实值大 4 倍？

【发布时间】：2017-11-07 09:01:07

【问题描述】：

我试图在 Swift Playground 中实现 Boyer-Moore 算法，我经常使用 Swift String.Index，但开始困扰我的事情是为什么索引要保持比看起来应该大 4 倍的原因。

例如：

let why = "is s on 4th position not 1st".index(of: "s")

Swift Playground 中的这段代码将生成 _compoundOffset 4 而不是 1。我确信这样做是有原因的，但我在任何地方都找不到解释。

这不是解释如何在 Swift 中获取 char 索引的任何问题的重复，我知道，我使用 index(of:) 函数只是为了说明问题。我想知道为什么使用 String.Index 时第二个字符的值是 4 而不是 1。

所以我猜它保存索引的方式是私有的，我不需要知道内部实现，它可能与 UTF16 和 UTF32 编码有关。

【问题讨论】：

Finding index of character in Swift String的可能重复

可能是因为在 Swift 中每个字符都由 UTF-32 字符表示...？

String.Index 应被视为不透明类型。因为按照 Unicode 的工作方式，即使是 4 位也不一定会上升。

你显示的不是你比较的真实索引。真正的索引是 1 并且是 why 的 encodedOffset 值，这就是您认为应该是的真正索引。

【参考方案1】：

首先，永远不要假设_compoundOffset 只是一个实现细节。 _compoundOffset 是 String.Index 的一个内部属性，它使用位掩码在这个数字中存储两个值：

encodedOffset，它是索引在 UTF-16 代码单元方面的字节偏移量。这个是公开的，可以信赖。在您的情况下，encodedOffset 是 1，因为这是该字符的偏移量，以 UTF-16 代码单元衡量。请注意，内存中字符串的编码无关紧要！ encodedOffset 始终为 UTF-16。

transcodedOffset，它将索引的偏移量存储在当前 UTF-16 代码单元内。这也是您无法访问的内部属性。对于大多数索引，该值通常为0，除非您在字符串的 UTF-8 视图中有一个索引，该索引引用了一个不属于 UTF-16 边界的代码单元。在这种情况下，transcodedOffset 将以字节为单位存储与encodedOffset 的偏移量。

现在为什么是_compoundOffset == 4？因为它将transcodedOffset 存储在两个最低有效位中，而encodedOffset 存储在62 个最高有效位中。所以encodedOffset == 1, transcodedOffset == 0 的位模式是0b100，也就是4。

你可以验证这一切in the source code for String.Index。

【讨论】：

我认为这种表示是因为 Swift 4 中不同视图之间的新“共享索引”？

@MartinR：是的，完全正确。提议于SE-0180。