Ruby字符(串)总结

作者: 阳光VIP
发布时间:2015-08-10 15:42:07

Ruby很强大,可是相关资料少而不详细。本文是个人学习总结,测试环境是Windows xp sp3 + NetBeans6.7.1(JRuby 1.2.0),主要结论来自于互联网、"Programming Ruby"2e、对于源代码的分析和实测代码。

双引号字符串和单引号字符串

都能表示字符串对象,区别在于双引号字符串能够支持更多的转义字符。下面的代码在字符串中增加了'符号。
str=‘he'lo’
puts str
显示结果为he'lo。

单引号仅支持// => / 和 /' => '

下表是ruby中双引号字符串支持的转义字符:

 

分界符


    所有不是字母或者数字的单字节字符都可以成为String的分界符。注意,通常他们都是成对出现的,比如<和>,!和!,{和}等。

构造字符串字面量

方法一:
最简单的使用单引号或者双引号括起来的字符串,比如"hello"。

方法二:
使用%q配合分界符,%q代表单引号
str=%q!he/lo!

方法三:
使用%Q配合分界符,%Q代表双引号
str=%Q{he/lo}

方法四:
here document构建字符串,该方法比较适合用于多行字符串的创建。由<<和边界字符串作为开头,由边界字符串作为结尾,比如下列代码:
str = <<END_OF_STRING1
  We are here now,
  where are you?
END_OF_STRING1
puts str
输出结果为:
  We are here now,
  where are you?

较为复杂的是允许多个边界字符串对出现。
str = <<END_OF_STRING1,<<END_OF_STRING2
  We are here now,
  where are you?
END_OF_STRING1
  I will leave now,
  would you like to go with me?
END_OF_STRING2

puts str
输出结果为:
  We are here now,
  where are you?
  I will leave now,
  would you like to go with me?

字面量与copy-on-write技术


    在Java中,如果两个String对象a和b的值都是"abcdef",如下:
String a="abcdef";
String b="abcdef";
那么,JVM只会创建一个常量对象"abcdef",让a和b都指向它。但是在ruby中,采用了智能指针(熟悉c++的朋友清楚)的一个高级技术 copy-on-write,一开始也是共享同一个字符常量,但是一旦之后某个对象(比如b对象)进行了修改操作,则"abcdef"将产生一个副本,b 的修改操作在这个副本上进行。
    更详细的讨论请参考http://developer.51cto.com/art/200811/98630.htm。

和Java的一些其他区别

    Java的String每次执行修改操作,都不会改变自身,而是创建一个新的String对象,而Ruby每次的修改操作都会修改自身。

计算长度

puts "hello".length
    该句输出5,是字符个数,不要和C函数搞混,C函数经常用0结束字符串,因此长度经常为实际字符个数+1,Ruby中没有这个习惯。

查找

从左向右查找第一个

    index方法有三种重载,分别是:
str.index(substring [, offset]) => fixnum or nil
str.index(fixnum [, offset]) => fixnum or nil
str.index(regexp [, offset]) => fixnum or nil

    第二个参数offset是可选参数,不用的话则从索引0的字符开始查找。
puts "hello".index("el") 输出为1 ,注意这里的'el'也可以。也可以只查一个字符比,如puts "hello".index(101) 输出为1,这时候第一个参数为'e'的二进制码。
也可以使用正则表达式进行查找,比如puts "hello".index(/[az]/) 输出为nil,因为"hello"不包含a或者z。[]是正则表达式的运算符,代表里面的a和z有一个找到即可。
puts "hello".index(/lo/) 这个没有[]符号,因此是查找子字符串lo,结果为3.
    我个人觉得尽量熟练使用正则表达式查找是最好的选择,既可以完成简单查找,也可以完成难度查找。不过需要付出不少努力去学习。
    下面这个例子puts "hello".index('o', -1) 证明了第二个参数可以为负数,虽然这没有什么意义,因为功能和为0等价。
    如果查找不到,返回nil。

逆向查找(从左向右查找最后一个还是从右向左查找第一个)

str.rindex(substring [, fixnum]) => fixnum or nil
str.rindex(fixnum [, fixnum]) => fixnum or nil
str.rindex(regexp [, fixnum]) => fixnum or nil
   
    第一个参数和index相同,第二个参数是可选,如果不用则默认为字符串尾部。如果为0呢?则从第一个字符开始向右查找。如果为负数呢?这时候很奇怪,居然能查到。通过看C的实现代码,发现当fixnum<0时,会执行这个运算:fixnum+=substring.length,然后就能找到。逻辑上可以理解为当fixnum<0时,将从最右边开始向左移动abs(fixnum)-1个位置,并作为最后查找范围,然后开始从左至右进行查找。字符串最右边的字符的位置被-1代表。
下面两行代码结果都是nil:
puts "hlloe".rindex('e', -2)
puts "hlloe".rindex('e', 3)

下面两行代码结果都是1:
puts "hello".rindex('e', -2)
puts "hello".rindex('e', 3)

    注意,以上的代码理解是我个人观察代码后的猜测,因为我还不会调试运行ruby的C代码,所以不一定正确。代码摘录如下:(代码是ruby网站公布的C代码,但是我所用的平台其实NetBeans6.7.1,因此真正代码应该是Java实现的JRuby1.2.0,这里的C代码仅供参考)
static VALUE
rb_str_rindex_m(argc, argv, str)
    int argc;
    VALUE *argv;
    VALUE str;
{
    VALUE sub;
    VALUE position;
    long pos;

    if (rb_scan_args(argc, argv, "11", ⊂, &position) == 2) {
        pos = NUM2LONG(position);
        if (pos < 0) {
            pos += RSTRING(str)->len;
            if (pos < 0) {
                if (TYPE(sub) == T_REGEXP) {
                    rb_backref_set(Qnil);
                }
                return Qnil;
            }
        }
        if (pos > RSTRING(str)->len) pos = RSTRING(str)->len;
    }
    else {
        pos = RSTRING(str)->len;
    }

    switch (TYPE(sub)) {
      case T_REGEXP:
        if (RREGEXP(sub)->len) {
            pos = rb_reg_adjust_startpos(sub, str, pos, 1);
            pos = rb_reg_search(sub, str, pos, 1);
        }
        if (pos >= 0) return LONG2NUM(pos);
        break;

      case T_STRING:
        pos = rb_str_rindex(str, sub, pos);
        if (pos >= 0) return LONG2NUM(pos);
        break;

      case T_FIXNUM:
      {
          int c = FIX2INT(sub);
          unsigned char *p = (unsigned char*)RSTRING(str)->ptr + pos;
          unsigned char *pbeg = (unsigned char*)RSTRING(str)->ptr;

          if (pos == RSTRING(str)->len) {
              if (pos == 0) return Qnil;
              --p;
          }
          while (pbeg <= p) {
              if (*p == c) return LONG2NUM((char*)p - RSTRING(str)->ptr);
              p--;
          }
          return Qnil;
      }



通常我们理解为从右边开始查找,但是注释却表明是从左向右查找,并返回最后一个找到的目标的位置。究竟内幕如何,只能看代码。
01161 static long
01162 rb_str_rindex (str, sub, pos)
01163 VALUE str, sub;
01164 long pos;
01165 {
01166 long len = RSTRING (sub)->len;
01167 char *s, *sbeg, *t;
01168
01169 /* substring longer than string */
01170 if (RSTRING (str)->len < len) return -1;
01171 if (RSTRING (str)->len - pos < len) {
01172 pos = RSTRING (str)->len - len;
01173 }
01174 sbeg = RSTRING (str)->ptr;
01175 s = RSTRING (str)->ptr + pos;
01176 t = RSTRING (sub)->ptr;
01177 if (len) {
01178 while (sbeg <= s) {
01179 if ( rb_memcmp (s, t, len) == 0) {
01180 return s - RSTRING (str)->ptr;
01181 }
01182 s--;
01183 }
01184 return -1;
01185 }
01186 else {
01187 return pos;
01188 }
01189 }

    通过看代码,发现s--;因此,是从右向左进行匹配,找到的第一个就返回。写注释的人应该枪毙!虽然看上去意思一样,但是算法的时间复杂度大不一样。从左到右的查找总是O(n),而从右到左的最坏事件复杂度才是O(n)。

大小写不区分查找

    puts "hello".upcase.index("H"),利用downcase或者upcase全部转换成小写或者大写,然后再查找。

正则表达式匹配查找

operator =~ 将返回匹配的模式开始位置,如果没有找到则返回nil。
puts "abcde789" =~ /d/
输出5.

提取子字符串

str="hello"
puts str[0,2]
第一个参数是子字符串首字母的Index,第二个是长度(不能为负数)。
结果为he。
第一个参数可以为负数,会把最右边的字符作为-1,然后向左增加-1的方式查找起始位置,比如:
str="hello"
puts str[-2,2]
输出为lo,这种情况我们在rindex方法中已经看到过了。

也可以使用正则表达式进行提取,这真的很强大。
str="hello"
puts str[/h..l/]
输出为hell。

符号.代表一个字符,两个.代表两个字符。两个/里面的内容就是正则表达式。.*代表可以有无数个字符,比如
str="hello"
puts str[/h.*o/]
输出为hello。

字符计数

String#count用来计算我们参数中给出的字符集中字符出现的总次数,比如最简单的情况:
str = "hello,world"
puts str.count "w"
 “w" 参数代表的是一个字符结合,里面只有一个字符w,count方法计算出w出现在"hello,world"的次数是1,因此输出为1。
下面我们的参数里面包含了三个字符:
str = "hello,world"
puts str.count "wld"
输出为5,w出现1次,l出现3次,d出现1次,正好5次。

也可以传递多个参数,每个参数代表一个字符集合,这时候这些字符集合的交集作为count计算的条件:
str = "hello,world"
puts str.count "lo","o"
输出为2。
str = "hello,world"
puts str.count "lo","o"," "
输出为0,因为三个集合的交集为空,所以计算结果为0.

注意,如果参数^o,代表o出现的次数不计算。

删除末尾分隔符

String#chomp方法有一个字符串参数,指定了要在末尾删除的子字符串。如果不用这个参数,则会将字符串末尾的n,r和rn删除(如果有的话)。

压缩重复字符

String#squeeze方法如果不用参数,则会将字符串中的任何连续重复字符变成单一字符,如下:
str = "helllloo"
puts str.squeeze
输出:helo。
如果传递字符串参数,含义同count方法的参数一样,代表了一个字符集合,则将符合条件(1,在字符集合中出现;2,在字符串中连续出现)的子字符串压缩成的单一字符
实例代码如下:
str = "helllloo"
puts str.squeeze('l')
puts str.squeeze('a-l')
puts str.squeeze('lo')
输出为:
heloo
heloo
helo

    参数也可以用a-z方式表示在某个字符集合区间内。

一个很常用的功能是利用squeeze(" ")对字符串内重复的空白字符进行压缩。

字符串删除

 

delete方法

可以接收多个参数,每个参数代表一个字符集合,类似count方法。如果有多个参数,取交集,然后从字符串中删除所有出现在交集中的字符。
"hello".delete "l","lo" #=> "heo"
"hello".delete "lo" #=> "he"
"hello".delete "aeiou", "^e" #=> "hell"
"hello".delete "ej-m" #=> "ho"

利用sub和gsub

参见后面的sub用法,使用''进行替换即可。

字符串拆分

String#split接收两个参数,第一个参数总是被作为间隔符来拆分字符串,并且不会出现在结果中。
第一个参数如果是正则表达式的话,如果为空,则每个字符都被拆开,返回一个字符数组。例子代码如下:
str = "hello"
puts str.split(//)
输出为:
h
e
l
l
o

    如果正则表达式不为空,则根据匹配的情况进行拆分。例子代码如下:
str = "hello"
puts str.split(/h/)
结果为:

ello

拆分成了两个数组,第一个为"",第二个为ello,用h进行拆分的。
第一个参数的另一种用法很简单,只是一个字符串,用于作为间隔符进行拆分,就不举例子了。我更倾向于使用强大的正则表达式。

第二个参数是一个整数,用于对拆分的结果数组的元素个数进行限制,这个功能有多大用处,我现在到没有体会,一般情况下不用即可。

大小写转换

    如前面出现的,利用downcase或者upcase方法即可。

数组操作

使用[],里面填上Index,就可以获取第Index个元素。

和数值类型的相互转换


获取单字节字符的二进制码
puts ?e
?运算符用于中文是非法的。

字符串迭代

Ruby迭代器的设计不在这里讨论,我会专门有一篇文章描述。

each_char

迭代每个字符,下面是示例代码:
require 'jcode' #NetBeans6.7.1和JRuby1.2.0需要,否则下面代码找不到方法
"hello".each_char(){ |c| print c,' ' } #()可以不写

|c| 代表字符串中的当前字符。

each

迭代每个子字符串,如果不传递seperator参数,则默认用n作为seperator。
"hellonworld".each { |c| puts c }
输出为:
hello
world

如果传递了有效的字符串作为seperator参数,那么就以这个seperator代替n进行子字符串的迭代:
"hellonworld".each('l') { |s| p s }
输出为:
"hel"
"l"
"onworl"
"d"

each_byte

用法和each_char类似,不过迭代的对象是char,因此输出的是二进制数值。
"hellonworld".each_byte { |s| print s," " }
输出:
104 101 108 108 111 10 119 111 114 108 100

each_line

用法和前面相同,只是用换行符分割子字符串进行迭代:
"hellonworld".each_line do |s|
  print s
end
    注意,这是另一种写法,用do/end替换了{/}对。
输出为:
hello
world
只所以输出为两行,是因为第一个子字符串是"hellon"输出后自动换行。

字符串拼接

使用operator +操作

str1="hello,"
str2="world"
str3=str1+str2
puts str3
输出为hello,world

使用operator <<操作

str1="hello,"
str2="world"
str1<
puts str1
输出为hello,world

concat方法

concat方法可以在字符串后面加上一个二进制值为[0,255]的字符,用法如下:
str1="hello,world"
str1.concat(33)#33是!的二进制值
puts str1
输出为hello,world!

concat也可以接一个object,比如另一个String对象

是否为空

String#empty? 方法 如果为空返回true,否则返回false

字符串比较

operator<=>操作

str1<=>str2
如果str1小于str2,返回-1;
如果str1等于str2,返回0;
如果str1大于str2,返回1。

官方注释写反了。

operator==操作

两个比较对象必须都为String,否则返回false;
如果都是String对象,则调用operator <=> 操作符进行比较,比较结果为0时,返回true,否则返回false

字符串替换

replace方法

和operator = 功能相同,字符串内容的完全替换,没什么作用。

sub方法

str.sub(pattern, replacement) => new_str
str.sub(pattern) {|match| block } => new_str


在str副本上将找到的第一个匹配字符(串)用replacement替换,并返回。比如:
puts "abcde789".sub(/d/, "000")
输出为:abcde00089

第二种重载形式允许执行一段代码,比如:
puts "abcde789".sub(/d/){|c| 'a'}
找到的字符用|c|表示,可以替换成a字符
输出为:abcdea89

gsub方法

和sub的区别在于所有匹配的地方都会被替换,而不只是第一个。




未完待续,后面会谈到Array#pack和String#unpack以及编码问题。

标签: Ruby
来源:http://www.cnblogs.com/dairongle/archive/2012/02/05/2338821.

推荐: