OCaml中如何实现基于Unicode标量的字符串子串截取函数

你不需要使用Uuseg库来实现基于Unicode标量的子串切割，直接用Uutf的fold_utf_8方法遍历所有Unicode标量即可，正确实现如下：

let uni_sub_scalars (s: string) (pos: int) (len: int) =
  (* 边界参数容错，可按需调整逻辑 *)
  if pos < 0 || len <= 0 then ""
  else
    let buf = Buffer.create len in
    let end_idx = pos + len in
    let _ = Uutf.String.fold_utf_8 (fun idx _ u ->
      match u with
      | `Uchar c ->
        if idx >= pos && idx < end_idx then Buffer.add_utf_8_uchar buf c;
        idx + 1
      | `Malformed _ ->
        (* 遇到非法UTF-8序列的处理，这里直接跳过，可按需调整 *)
        idx
    ) 0 s in
    Buffer.contents buf

实现说明 #

• 核心逻辑是用Uutf.String.fold_utf_8遍历输入字符串的每一个Unicode标量，遍历过程中维护当前标量的索引
• 当索引落在要求的[pos, pos+len)区间内时，就把对应标量通过Buffer.add_utf_8_uchar写入缓存
• 遍历结束后把缓存内容转成字符串返回，性能比字符串拼接更高

你之前代码报错的原因 #

Uuseg.custom构造时缺少了name、create、copy等必填参数，而且你当前的需求不需要用到Uuseg的文本分割能力，直接用Uutf遍历即可满足要求。

内容的提问来源于stack exchange，提问作者SoftTimur