Rust 的兩種字串：String 和 &str

► String 與 &str

能分清何謂可變、何謂不可變之後，要想理解 Rust 最常見的兩種字串型態就不那麼困難了。

在一般用例中，Rust 的字串分成兩種型態：String 和 &str。

String 比較接近我們近代程式語言常見的字串，是一個經過高度封裝的完整結構，可以動態增減、拼接字串的內容：

let mut my_string = String::from("Hello!"); // 如果嫌麻煩可以用 "Hello!".to_string()
my_string += " My name is Johnny."; // 等價於 my_string.push_str(" My name is Johnny.");
my_string += " Yoroshikuuuuuuuu-";
println!("{my_string}");
my_string = my_string.replace("Johnny", "Pig Knuckle");
println!("{my_string}");

你可以從上面的範例注意到，my_string 在初始化的時候使用的是 String::from("Hello!") 而非 "Hello!"，這兩個東西是不一樣的──前者是完整的 String，而後者正是剛才提及的 &str。當我們直接使用雙引號 "Hello!" 來表示字串時，它就是指向一筆靜態字串資料的參考（因此是 &str），而 String::from 這個函數則負責把 &str 指向的資料複製出來，包裝成一份完整的 String 字串。

由於字串拼接實際上做的是擴充原有的 String 所佔用的記憶體大小，然後把新增的字串資料填進去，因此 Rust 內建的字串拼接是設計成 String + &str 的形式，而不是 String + String。如果想要拼接兩個既有的 String，我們就需要用 .as_str() 方法取得它的參考 &str：

let mut my_string = String::from("Hello!");
let new_string_to_add = String::from(" Konnichiwa!");
my_string.push_str(new_string_to_add.as_str());
println!("{my_string}");

除此之外，String 切片的參考、&str 切片的參考也都能傳入接受 &str 的函數：

fn main() {
    let my_string = String::from("Hello!");
    print_str(&my_string[1..=4]);

    let my_static_str = "Hello!";
    print_str(&my_static_str[1..=4]);
}

fn print_str(content: &str) {
    println!("{content}");
}

也就是說，本質上 &str 就只是指向一個資料地址、長度，且只能讀不能寫；String 則是自己擁有一份完整的資料，可以讀也可以寫，如此而已。

只要曉得如何在 String 和 &str 之間轉換，基本上就有能力處理大部分的情況。

► 字串背後的記憶體行為

然而，若想真正瞭解兩者的性質和差異、精準掌握什麼時候該用 String、什麼時候該用 &str，就得涉及記憶體管理的範疇。

首先，程式儲存資料的位置可以粗分為 stack、heap、ROM 三種區域：

• stack：存取速度快但空間小，通常我們在程式裡直接宣告的變數都會被放在 stack 上面
• heap：存取速度慢一些但能用的空間大，通常在遇到大小不確定或是較大的資料時會存到 heap 上面，比如可變長度的陣列 Vec
• ROM：read-only memory，用來存放編譯階段早就已經確定並寫死在程式裡的靜態資料

String 實際上就是一個裝滿 u8 元素的 Vec。

我們現在試著宣告一個 String 字串：

let my_string = String::from("Hello, world!");

當我們宣告一個 String 的時候，String 底下的 Vec 會包含三樣東西：

• ptr（pointer）：實際資料內容的記憶體位址
• len（length）：有效的資料長度
• cap（capacity）：實際被分配的記憶體大小

這三樣東西都會被存放在高效的 stack，並且在產生 String 物件時，系統會在 heap 上分配一個長度為 13 的記憶體，把字串的實際資料放進去：

這裡的 cap 意義在於，它能夠讓程式的底層機制知道這份資料佔用空間的合法範圍。假如我們打算修改資料使之變長（例如我們拼接一段字串上去，讓它的長度從 13 變成 20），那麼系統就需要分配長度至少為 20 的空間給它用，這時候 len 就會變成 20，而 cap 也會變成至少 20。因為分配記憶體空間需要一定的運作開銷，有些情況下系統可能會刻意預先分配一些額外的記憶體空間（例如只需要 20，但系統分配 32），避免下次被寫入的時候又要大費周章分配記憶體空間，這種時候可能就會有 len 為 20、cap 為 32 的情況。

反之，如果我們把字串的資料抹除，覆蓋新的資料上去，但是新的資料較短：

let mut my_string = String::from("Hello, world!");
my_string.replace_range(.., "Hi");
println!("{my_string}"); // -> Hi

這時候系統就不會重新分配記憶體，而是把 len 的值改為 2：

如此一來，系統就會知道這份資料只有前兩格是有意義的，讀取時只需要拿到前兩格的資料就可以停下來了。

若我們想宣告一個可能會被頻繁修改的字串，而且我們確定範圍都在一定值以內，就可以使用 with_capacity 方法：

let mut my_string = String::with_capacity(1024);

在一些用程式讀寫檔案的例子當中，時常會專門宣告一個固定長度的 buffer，把讀到的資料分批寫入 buffer 以後再取出，正是因為這樣可以避免一直重新分配記憶體而拖累速度。

接下來換個情境吧。當我們把一個字串寫死在程式裡：

let my_static_str = "Hello, world!";

字串的實際資料會被放在程式的 ROM 區域：

若我們先產生一個 String，再獲得它的參考：

let my_string = String::from("Hello, world!");
let my_str = my_string.as_ref();

這時候 my_str 就是一個指向 heap 上的數據的變數了：

&str 參考的對象可以是一個 String，也可以是一個被寫死在 ROM 上面的字串。

以上就是 String 和 &str 的差別。

其實上面例子中 my_static_str 的型態，我們可以說它是一個 &'static str，加上了 'static 標籤表示這個字串是從程式執行以來就一直存在，直到程式關閉：

let my_static_str: &'static str = "Hello, world!";

不過這個標籤從 2017 年的 Rust 1.17 版本開始就不是必要的東西了，因為就算你省略了 'static 標籤，編譯器也可以自動推斷出這個字串是 'static 的，畢竟它本來就是個寫死的字串，而不是從其他地方讀取而來。假如你從某些文獻看到 &'static str 這種形式也不用感到驚慌，只要知道它是寫在 ROM 上面的字串就行，本質上還是個 &str。

► 為什麼字串要設計得這麼囉嗦？全都封裝成 String 不好嗎？

在許多程式語言對字串的實作當中，字串底層的資料多半是不可變的。表面上這些字串看起來都可以自由增減、取代，但實際上只要字串被修改了，系統就會在背後重新分配記憶體、重建一個新的字串去取代掉原來的位置，這並不是真正意義上的「字串修改」，它只是語言本身對於這個過程高度抽象化的結果。

若把全部的字串都封裝得讓開發者難以微調，這可能就不是 Rust 想要的方向。作為一個系統級的語言，Rust 必須提供選項讓使用者有辦法親自掌握這些細微的差異，既能選擇使用抽象的高級功能，也能按照需求使用開銷較小的做法，也就有了 String 和 &str 的分別。

除此之外，也有一個理由是基於「所有權」的設計。對於 String 變數和 &str 變數，兩者相差最大的地方就是「一個是真正被擁有的資料，一個是從其他地方借來的」，它們的有效範圍和權限在實務上有很大的不同。因為篇幅太長，打算之後再把所有權單獨拿出來說說，畢竟 Rust 也正是透過嚴格的所有權系統來阻止潛在的安全問題，這不是兩三句就能夠說得完的。

我沒提到的是，其實真要細分起來的話，Rust 的字串至少還有十種：可以存放非 UTF-8 內容的、可以共享所有權的、可以跨執行緒讀取的、固定長度的、被寫入時才複製的、作業系統專用的、檔案路徑專用的……其中有很多都要具備更多關於 Rust 的背景知識才能理解，在這之前還是先聚焦在這些背景知識吧。

tags: Rust 程式設計