第2章 便利的对象

从单个对象转向数据形状开始

第一章的变量一次引用一个对象；真实程序还要表达“按顺序的一批对象”“由名字查值的记录”和“满足某种文本语法的片段”。Array、Hash和Regexp分别承担这三类责任。要求选择容器时先问顺序、唯一性、key类型、missing行为和mutation owner，而不是只看写法短不短。

先预测：["a", "b"][8]会抛异常还是返回nil？普通[]返回nil；fetch(8)才抛IndexError。便利API常把错误变成absence，因此边界代码要主动选择“容忍缺失”还是“缺失即错误”。

数组的创建

数组用[...]创建，可保存不同class的对象，但业务集合最好保持可说明的元素契约。空数组写[]；Array.new(3, object)会让三个位置引用同一个object，而Array.new(3) { build_value }会为每个位置执行block。这个差异在nested array与mutable string中尤其危险。

languages = ["Ruby", "Lua", "Go"]
matrix = Array.new(2) { Array.new(3, 0) }
 
matrix[0][0] = 9
p languages: languages
p matrix: matrix # [[9, 0, 0], [0, 0, 0]]

Range、String split和enumerator也可产生数组，但“能转成Array”不代表应立即materialize。数据很大时先保持iterator，只有需要随机访问、重复遍历或固定snapshot时才落成数组。

元素引用、dup与浅复制

Array保存的是对象引用。copy = original.dup会复制外层数组，使追加、删除或替换某个槽位不再影响original；但两边对应槽位仍可能指向同一个mutable对象。若original[0]是String，执行copy[0].upcase!仍会通过共享String反映到original。不能自动提供隔离。

所谓deep copy必须先定义对象graph中哪些节点归谁、遇到cycle怎么办、IO或Proc等不可复制资源如何处理。通用序列化往返有类型、性能与安全限制，不应作为默认答案。更可靠的做法是让value object不可变、在业务边界显式重建需要复制的结构，并为共享identity写测试。

方法接收Array时还要声明mutation contract：是只读消费、返回新Array，还是有意修改caller拥有的集合。Ruby不会靠类型签名替你说明；方法名的!也只是惯例，并不等于所有原地方法都带bang。测试同时断言返回值和输入是否改变。

数组元素的读取与保存

索引从0开始，负索引从末尾反向计算；array[index]缺失返回nil，array.fetch(index)缺失默认抛错，也可显式给default或block。帮助区分“该位置可选”和“数据结构已损坏”。

queue = ["compile", "test"]
 
p queue[0]             # "compile"
p queue[-1]            # "test"
p queue[99]            # nil
p queue.fetch(99, "idle")
 
queue[1] = "package"
queue << "deploy"
p queue

给超出尾部的正索引赋值会用nil填充中间位置，形成稀疏数组；多数队列、列表和表格都不应依赖这种隐式扩容。追加用<</push，尾部删除用pop，头部操作在大数组上会移动元素，频繁队列操作应评估专门结构。

数组的大小

length与size返回元素槽数量，empty?表达是否为空。不要用if array.length判断非空，因为Ruby中的0也truthy；写unless array.empty?或业务predicate。元素可能包含nil，因此size不等于“有效数据条目数”。

数组的循环

each按当前顺序把元素交给block，返回receiver本身；each_with_index同时给元素和index；map构造变换后的新数组；select筛选；reduce聚合。第一次接触时要把“side effect遍历”和“产生新值的变换”分开，不能所有需求都写成each加外部mutable accumulator。

prices = [120, 80, 250]
 
prices.each_with_index do |price, index|
  puts "#{index}: #{price}"
end
 
taxed = prices.map { |price| (price * 1.1).round }
expensive = taxed.select { |price| price >= 150 }
p taxed: taxed, expensive: expensive

遍历期间追加、删除或重排同一数组，会让哪些元素被访问变得难以推理。建议先select出目标，再统一修改；若确需原地删除，使用语义明确的delete_if并测试相邻元素。

什么是符号

Symbol literal如:status、:ready是不可变、name-like的值，常用于Hash key、method name和API option。提醒我们，Symbol不是“更快的String”这种泛化替代品。

:status与"status"内容看似相近，却是不同对象和不同Hash key；JSON解析通常产生String key，keyword arguments与Ruby内部options常使用Symbol key。边界处应只做一次显式转换，并限制允许的key集合。不要把任意用户输入无条件转Symbol来掩盖schema缺失。

散列的创建与使用

Hash用key定位value。{ status: "ready" }是{ :status => "ready" }的简写；任意对象都可作key，但key的hash与eql?行为必须稳定。决定lookup是否可靠。

job = {
  id: 42,
  status: "ready",
  retries: 0,
}
 
p job[:status]
p job.fetch(:owner, "unassigned")
job[:status] = "running"
job[:tags] = ["ruby", "cli"]

hash[key]缺失通常返回nil，无法区分“没有key”和“key存在但value为nil”；用key?检查presence，或用fetch把缺失变成异常/default。Hash.new([])有与Array shared default类似的陷阱：读取不存在key得到同一个default对象，却不会自动写回。计数器可用Hash.new(0)，集合default用block并显式写入。

Hash默认值工厂与写回

需要按key自动创建独立集合时，使用Hash.new { |hash, key| hash[key] = [] }。Block收到正在查询的Hash和missing key；只有显式hash[key] = ...才会把创建值保存。若block只返回[]而不写回，groups[:a] << item修改的是一次性对象，下一次读取仍然为空。

Default block不应执行网络请求、随机逻辑或难以观察的side effect，因为普通lookup会偷偷触发它。把昂贵加载写成明确的cache API，并区分“key不存在”“加载失败”“合法空值”。多线程环境还要单独解决check-then-create race；Hash default block本身不是同步机制。

合并Hash时，merge返回新Hash，merge!修改receiver；冲突block能决定旧值与新值如何组合。配置叠加不能简单让“后者覆盖前者”而不记录provenance，尤其是nil、false和空字符串都可能代表不同业务意图。为每层配置保留来源并在最终schema处校验，能让错误落在输入边界。

散列的循环

each do |key, value|逐对遍历；只要key用each_key，只要value用each_value。现代Ruby Hash保留插入顺序，但这不等于业务排序；报告需要按key、value或其它字段排序时应显式调用sort_by。

正则表达式

Regexp literal写成/pattern/options。regexp.match(string)成功返回MatchData，失败返回nil；=~返回起始index或nil。防止把“找到一段数字”误当成“输入是合法整数”。

line = "user=alice score=42"
pattern = /\Auser=(?<name>[a-z]+) score=(?<score>\d+)\z/
 
match = pattern.match(line)
if match
  p name: match[:name], score: Integer(match[:score], 10)
else
  warn "invalid record"
end

\A与\z锚定整个字符串，^与$更偏向行边界；named capture比依赖数字位置更易维护。Dynamic text进入pattern时先Regexp.escape，否则.、*等字符会变成语法。第16章会系统展开重复、最短匹配、option、capture、sub/gsub与scan。

正则表达式还需要资源边界。由多个可回溯分支与宽泛重复组成的pattern，可能在恶意长输入上消耗异常时间；先限制输入长度，尽量使用结构清楚的pattern，并用失败路径的长样本做benchmark。Regexp适合局部文本语法，不适合替代完整HTML、CSV或编程语言parser。匹配成功后仍要执行类型转换与业务验证，例如日期字段通过数字pattern并不保证月份在1到12之间。

调试匹配时不要只打印true/false：记录pattern版本、输入长度、match起止位置和named captures，但对密码、token等敏感输入只保留经过脱敏的metadata。这样既能证明match evidence boundary，也避免诊断日志成为数据泄漏源。

本章回顾：顺序、键与模式

1. Array表达有序mutable集合；[]容忍越界，fetch显式处理缺失，初始化mutable元素要用block。
2. 数组循环优先按意图选择each、map、select或reduce，遍历期间保持结构稳定。
3. Symbol表达稳定内部名称，String表达文本；二者作为Hash key不会自动互换。
4. Hash使用key?和fetch区分missing、nil与default，并把业务排序写出来。
5. Regexp匹配返回evidence；只有完整anchor、capture与后续转换共同满足，才能宣称输入有效。

术语表