如何在Rust中获取str首字符后的字节偏移量？

先看这段示例代码：

fn main() {
    let s: &str = "⚀⚁";
    // 误以为char固定占4字节？但在str中并非如此
    let offset: usize = 4;
    let s1: &str = &s[offset..];
    eprintln!("s1 {:?}", s1);
}

运行后会触发panic：

thread 'main' panicked at 'byte index 4 is not a char boundary; it is inside '⚁' (bytes 3..6) of `⚀⚁`'

核心问题 #

如何找到第二个字符'⚁'的字节偏移量？

额外需求 #

实现方式需安全且不依赖std。

解决方案 #

Rust中char对应的UTF-8编码长度是1-4字节，不能硬编码偏移量。我们可以通过手动解析UTF-8字节的方式，安全计算第一个字符的字节长度，也就是第一个字符之后的偏移量：

// 不依赖std的安全函数：获取第一个字符后的字节偏移量
fn first_char_byte_offset(s: &str) -> Option<usize> {
    let bytes = s.as_bytes();
    if bytes.is_empty() {
        return None;
    }

    // 根据UTF-8编码规则判断首字符的字节长度
    let len = match bytes[0] {
        0x00..=0x7F => 1,    // ASCII字符，1字节
        0xC0..=0xDF => 2,    // 2字节UTF-8字符
        0xE0..=0xEF => 3,    // 3字节UTF-8字符
        0xF0..=0xF7 => 4,    // 4字节UTF-8字符
        _ => return None,    // 无效的UTF-8首字节
    };

    // 确保字符串字节数足够，避免越界访问不完整的UTF-8字符
    if bytes.len() >= len {
        Some(len)
    } else {
        None
    }
}

fn main() {
    let s: &str = "⚀⚁";
    match first_char_byte_offset(s) {
        Some(offset) => {
            let s1 = &s[offset..];
            eprintln!("s1 {:?}", s1); // 输出："⚁"
        }
        None => eprintln!("无效的UTF-8字符串或空字符串"),
    }
}

说明 #

• 示例中"⚀"的UTF-8编码占3字节，所以第一个字符后的偏移量是3，而非错误假设的4。
• 函数通过UTF-8编码规则判断字符长度，同时检查字节数是否足够，确保不会访问不完整的字符，避免panic。
• 全程仅使用基础的字节数组操作，不依赖std库，符合需求。

内容的提问来源于stack exchange，提问作者JamesThomasMoon