rust - 如何就地洗牌

Question

我想在 Rust 中就地洗牌一个字符串，但我似乎遗漏了什么。修复可能是微不足道的......

use std::rand::{Rng, thread_rng};

fn main() {
    // I want to shuffle this string...
    let mut value: String = "SomeValue".to_string();
    let mut bytes = value.as_bytes();
    let mut slice: &mut [u8] = bytes.as_mut_slice();

    thread_rng().shuffle(slice);

    println!("{}", value); 
}

我得到的错误是

<anon>:8:36: 8:41 error: cannot borrow immutable dereference of `&`-pointer `*bytes` as mutable
<anon>:8         let mut slice: &mut [u8] = bytes.as_mut_slice();
                                            ^~~~~

我读到了有关 String::as_mut_vec() 的内容，但它不安全，所以我不想使用它。

Answer 1

没有很好的方法来做到这一点，部分原因是字符串的 UTF-8 编码的性质，部分原因是 Unicode 和文本的固有属性。

在 UTF-8 字符串中至少有三层可以打乱:

• 原始字节
• 编码的代码点
• 字素

打乱原始字节可能会给出无效的 UTF-8 字符串作为输出，除非该字符串完全是 ASCII。非 ASCII 字符被编码为多字节的特殊序列，对这些字符进行混洗几乎肯定不会在最后以正确的顺序排列它们。因此，改组字节通常不好。

改组代码点(Rust 中的 char)更有意义，但仍然存在“特殊序列”的概念，其中所谓的 combining characters可以叠加到单个字母上并添加变音符号等(例如 ä 之类的字母可以写成 a 加上 U+0308，代码点表示 the diaeresis )。因此，打乱字符不会产生无效的 UTF-8 字符串，但它可能会破坏这些代码点序列并产生无意义的输出。

这让我想到字素:构成单个可见字符的代码点序列(如 ä 在写为一个或两个代码点时仍然是单个字素)。这将给出最可靠、最明智的答案。

然后，一旦您决定要洗牌，就可以制定洗牌策略:

• 如果保证字符串是纯 ASCII，则用 .shuffle 打乱字节是合理的(在 ASCII 假设下，这等同于其他)
• 否则，没有就地操作的标准方法，可以将元素作为迭代器(.chars() 用于代码点，.graphemes(true) 用于字素)，将它们放入带有 .collect::<Vec<_>>() 的向量中，打乱向量，然后将所有内容收集回一个新的 String与例如.iter().map(|x| *x).collect::<String>() .

处理代码点和字素的困难是因为 UTF-8 不会将它们编码为固定宽度，因此无法取出随机代码点/字素并将其插入其他地方，或者以其他方式有效地交换两个元素......无需将所有内容解码为外部 Vec .

不在原地是不幸的，但字符串很难。

(如果您的字符串保证是 ASCII，那么使用 Ascii 提供的 ascii 之类的类型将是在类型级别保持直截了当的好方法。)

---

作为这三者的区别的一个例子，看一下:

fn main() {
    let s = "U͍̤͕̜̲̼̜n̹͉̭͜ͅi̷̪c̠͍̖̻o̸̯̖de̮̻͍̤";
    println!("bytes: {}", s.bytes().count());
    println!("chars: {}", s.chars().count());
    println!("graphemes: {}", s.graphemes(true).count());
}

它打印:

bytes: 57
chars: 32
graphemes: 7

( Generate your own , 演示将多个组合字符放在一个字母上。)