忘了 String 是字符数组

在 Swift 里，String 已经彻底不再是一个集合类型。而是一个提供了从多个维度展现一个 Unicode 视图的类型。你可以得到它的多个 Characters，可以看到它的 UTF-8 / UTF-16 / Unicode scalar 值等等。

String 和 NSString 处理 Unicode 时的差异

unicode 长度是可变的，我们将看到 unicode 另外一个可变的特性，即组成同一个字符的 code unit 组合也是可变的。而区分 String 和 NSString 的一个重要方式，就是它们对 unicode 的这个特性的处理方式，是不同的。为了理解这个事情，我们从 unicode grapheme clusters 说起。

Unicode grapheme clusters

首先，我们定义一个字符串：

swift
let cafe = "Caf\u{00e9}"

返回

Café

Swift 里，我们可以使用 \u {} 这样的方式使用 unicode scalar 定义 unicode 字符。

对于单词 Café 中的最后一个字符来说，它的 unicode scalar 是 U+00E9，名字是 LATIN SMALL LETTER E WITH ACUTE。每一个 unicode 都有一个 scalar 值以及一个全大写字母表示的名称。

为了表示这个字符 é，除了使用它的 unicode scalar 外，我们可以用两个其它的 unicode 字符拼起来：

  • 英文字母 e，它的 unicode scalar 是 U0065，name 是 LATIN SMALL LETTER E；
  • 声调字符’，它的 unicode scalar 是 U0301，name 是 COMBINING ACUTE ACCENT；

当我们把这两个字符像下面这样组合起来的时候：

swift
let cafee = "Caf\u{0065}\u{0301}"

返回

Café

尽管 cafee 的定义中貌似有 5 个字符，但实际显示出来的最后一个字符和之前用 unicode scalar 定义是一样的。我们管 \u {0065}\u {0301} 就叫做 grapheme cluster。

既然同一个 unicode 字符可以有多种表现形式，那么由不同 code unit 构成的字符串相等么？对此，Swift 中的 String 和 Objective-C 中的 NSString 处理方式却是有差别的，这种差别，是区分它们最明显的地方之一。

Canonically equivalent

为了能识别上面 cafe 和 cafee 的情况，unicode 规范中提出了一个概念：canonically equivalent。如何理解它呢？我们先来看 Swift 是如何识别 cafe 和 cafee 的。

Swift String

当我们要读取一个字符串中所有的字符时，可以访问 String 对象的 characters 属性，在下个视频中，我们会更多讲到它的用法：

swift
let cafe = "Caf\u{00e9}"
let cafee = "Caf\u{0065}\u{0301}"

cafe.characters.count
cafee.characters.count

返回

4
4

尽管 cafee 中最后一个字符的定义使用了两个 code unit，Swift 可以识别的 Character 中字符的个数也是 4。

但是，当我们查看 cafe 和 cafee 的 UTF-8 和 UTF-16 编码的个数时，就能看到它们的区别了：

swift
cafe.utf8.count
cafee.utf8.count

cafe.utf16.count
cafee.utf16.count

返回

5
6

4
5

为什么会这样呢？我们用 UTF-8 编码举例：

对于 cafe 来说，é 的 UTF-8 编码是 C3 A9，加上前面 Caf 的编码是 43 61 66，因此 cafe 的 UTF-8 编码个数是 5；

对于 cafee 来说，声调字符’的 UTF-8 编码是 CC 81，加上前面 Cafe 的 UTF-8 编码是 43 61 66 65，因此是 6 个，它相当于 Cafe’；

理解了之后，你可以自己去推算一下 UTF-16 的情况。

尽管 cafe 和 cafee 的编码方式不同，当我们在 Swift 中，比较 cafe 和 cafee 时，结果会是 true：

swift
cafe == cafee

返回

true

这就是 unicode canonically equivalent 的含义，通过这些例子，你也能更好的了解到 Swift 在 unicode 表意正确上作出的努力。

NSString

而当我们把这些例子用在 NSString 上，情况就会有些不同。用同样的 code unit 定义下面两个 NSString 对象：

swift
let nsCafe = NSString(characters: [0x43, 0x61, 0x66, 0xe9], length: 4)
nsCafe.length
let nsCafee = NSString(characters: [0x43, 0x61, 0x66, 0x65, 0x0301], length: 5)
nsCafee.length

返回

Café
4
Café
5

可以看到，同样是使用不同的 code unit 构建字符串”Café”，在 NSString 看来，它们是长度不同的两个字符串。

因此，当我们比较 nsCafe 和 nsCafee 的时候，结果也是没有意外的 false：

swift
nsCafe == nsCafee

返回

false

因此，== 对 NSString 来说，并没有执行 canonically equivalent 的语义。为了在不同的 NSString 对象之间进行语义比较，我们只能这样：

swift
let result = nsCafe.compare(nsCafee as String)
result == ComparisonResult.orderedSame

返回

NSComparisonResult
true

可以看到，这样就能按照 canonically equivalent 的方式判断相等了。