第14章 字符串类

来源、版次与运行边界

“第14章 字符串类”以作者维护的第 5 版支持页核定 2016 年 3 月 12 日首刷、两位作者、松本行弘监修以及四部分 23 章目录；逐章程序清单、练习答案和勘误只作为公开支持材料，不被冒充为原书全文。

对“第14章 字符串类”而言，中文解释、示例、交互、练习和答案均为独立教学重写；站内中文章名是与官方 23 章顺序对应的课程映射，不宣称是日文小节的逐字翻译，也不从公开程序清单复制整段实现。

“第14章 字符串类”固定在 Ruby 2.3 语境；Ruby 2.3.0 官方文档与稳定版发布说明用于核对当时可用的语言和标准库行为。现代 Ruby 的差异只能另列迁移说明，不能静默改变本页示例的版本结论。

围绕“怎样区分字符串内容、字节、编码、可变性与外部命令结果？”，本页验收“第14章 字符串类的输入样本、接收者与方法、关键状态前后值、正常与失败输出、异常或退出状态，以及复位后的再次运行记录。”。先预测正常轨迹，再只注入“把反引号命令输出当成可信字符串，忽略命令失败和外部编码”；若无法定位第一处状态分岔，就拒绝当前解释。

从“String就是字符数组”这个近似开始

Ruby String同时持有byte sequence与Encoding标签，并且可变。所谓length、index、slice、Regexp与output都受encoding影响；它不是简单的Unicode code point Array，更不是用户感知grapheme集合。贯穿全章。

先预测：text.length与text.bytesize为何可能不同？UTF-8中文一个character通常占多个bytes；协议限制10 bytes与UI限制10 characters不是同一问题。先命名单位再调用API。

字符串的创建：%Q、%q与Here Document

Double-quoted String处理escape与interpolation，single-quoted处理更少escape；%Q(delimiter)近似double，%q近似single，可避开大量quote escaping。Delimiter可用配对括号或单字符，但nested与terminator规则要清楚。

name = "Ruby"
expanded = %Q(hello #{name}\nnext)
literal = %q(hello #{name}\nnext)
 
p expanded
p literal

Here Document用terminator包多行文本，quoted terminator控制interpolation；<<-等形式影响terminator indentation，现代squiggly heredoc在Ruby 2.3可用性需按版本确认。Template中的user input仍需目标context escaping，interpolation不提供HTML/SQL/shell安全。

message = <<MESSAGE
title: Ruby
status: ready
MESSAGE
 
puts message

应根据内容选择，不以“最短写法”为唯一标准。

使用sprintf方法与反引号命令

sprintf/format按format string控制width、precision、base和type；format与arguments不匹配会失败或产生意外输出。适合日志字段和报告，但machine serialization用JSON/CSV。

p format("%04d %.2f", 23, 3.14159)
p format("%<name>s:%<score>.1f", name: "A", score: 91.25)

Backticks执行shell并返回stdout，exit status在$?，stderr处理另行决定。它把command parsing交给shell，interpolate user input会注入；使用Open3.capture3或system(command, arg1, arg2)的argument-vector形式，并设置timeout/output上限。Command output仍是带encoding的String。

获取字符串的长度与索引

length/size按当前encoding解释characters，bytesize按bytes；each_byte、each_char提供不同unit。Grapheme cluster（emoji组合、附加音标）可能包含多个codepoints，用户界面截断需Unicode segmentation library/规则。

string[index]、slice、Range与Regexp forms返回String/nil的版本语义需验证；Ruby 2.x早期版本曾有整数codepoint差异。不允许把byte offset误作character index。

text = "Ruby中文"
p length: text.length
p bytes: text.bytesize
p first: text[0]
p slice: text[0, 4]

Binary protocol使用ASCII-8BIT与byteslice，文本使用valid encoding与character APIs。Regexp match offsets在目标version/encoding下也要实测，跨系统locator最好同时记录byte offset和line/column生成规则。

字符串的连接与比较

+返回new String，<</concat修改receiver，interpolation创建结果，Array#join适合多片段组合。影响aliasing与performance。

parts = ["ruby", "array", "string"]
joined = parts.join("/")
 
buffer = String.new
parts.each { |part| buffer << part << "\n" }
p joined: joined, buffer: buffer

示例用String.new明确创建可变buffer；较新Ruby常见unary plus复制frozen String，但目标版本需确认。重复result = result + piece产生中间Strings；buffer mutation需确保receiver不被共享/frozen。

==比较内容并考虑encoding compatibility，<=>用于lexicographic ordering，casecmp做case-insensitive比较但Unicode/locale规则有限。用户语言排序、case folding与normalization是独立i18n问题，不能用downcase后<=>替代locale collation。

字符串的分割与换行符的使用方法

Split的separator可String/Regexp，limit决定最大fields和trailing empty处理；默认whitespace有特殊规则。是parser的一部分。

line = "a,b,,c,"
p line.split(",")
p line.split(",", -1)
p line.lines

Structured CSV含quote、embedded comma/newline，必须用CSV library。Line endings可能是LF、CRLF或CR；each_line/lines按record separator，chomp移除separator而strip还删除其它whitespace。保留原文件时不要chomp后统一补LF。

字符串的检索与替换

include?给boolean，index给position/nil，Regexp#match给MatchData；选择caller需要的evidence。避免先boolean后重复搜索。

sub替换首个match，gsub替换全部；可传replacement String或block。Backreference和escape规则使dynamic replacement复杂，block形式更安全清楚。Bang variants修改receiver且无变化时可能返回nil。

source = "id=12 id=34"
result = source.gsub(/\d+/) { |digits| "[#{digits}]" }
 
p source: source
p result: result

大量替换应评估Regexp backtracking与output expansion上限；untrusted input先限制length。Normalization（NFC等）会改变codepoint sequence，搜索前是否normalize属于product policy。

Enumerator对象：连接与reverse

each_line、each_char、each_byte无block时返回Enumerator，可with_index/lazy组合。区分record、character和byte processing。

Reverse按String字符解释，但grapheme cluster可能被拆；面向用户text reverse不是简单String#reverse。Array of Strings连接优先join，减少separator和最后一个元素的branch。Binary bytes转换先force_encoding/validate的具体责任要在boundary明确。

encode方法与nkf库

String#encoding是标签，force_encoding只改解释不转换bytes；encode(target, source, options)执行transcoding。是可靠文本系统的核心。

raw = File.binread(path)
text = raw.force_encoding("Windows-31J")
raise EncodingError, "invalid source" unless text.valid_encoding?
 
utf8 = text.encode("UTF-8")

实际source encoding来自protocol/metadata，不应猜测。Invalid/undefined conversion可raise或使用replace option；替换会丢信息，必须计数/记录policy。NKF标准库处理日文编码、MIME等转换，但新代码优先String#encode明确source/target，只有需要NKF特有功能时使用并测试。

正式节点与章专属证据

• %Q、%q与Here Document ：第 1 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• sprintf方法与反引号命令 ：第 2 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• 字符串的长度与索引 ：第 3 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• 字符串的连接与比较 ：第 4 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• 字符串的分割 ：第 5 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• 换行符的使用方法 ：第 6 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• 字符串的检索与替换 ：第 7 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• Enumerator对象 ：第 8 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• 连接与reverse ：第 9 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。
• encode方法与nkf库 ：第 10 个正式节点要能回到“每次连接、切片、比较和转换都保留明确的编码与数据来源。”，并说明故障发生前后的第一处差异。

本章回顾：所有文本操作先命名单位与编码

1. Literal/%Q/%q/heredoc决定interpolation与escape；format string是shape协议，backticks是process boundary。
2. Length/index区分bytes、characters、graphemes，missing/range与版本语义要验证。
3. Connection明确new/mutation，comparison区分codepoint与locale，split明确empty/trailing/schema。
4. Search返回所需evidence，replacement控制Regexp/backreference/output，Enumerator明确yield unit。
5. Force_encoding不转码；外部bytes按已知source验证并encode为内部encoding，output再显式转换。

练习与答案

名词解释