swift - 为什么 Swift String.Index 的索引值比实际值大 4 倍？

Question

我试图在 Swift Playground 中实现 Boyer-Moore 算法，我经常使用 Swift String.Index，但开始困扰我的是为什么索引比看起来应该大 4 倍。

例如:

let why = "is s on 4th position not 1st".index(of: "s")

Swift Playground 中的这段代码将生成 _compoundOffset 4 而不是 1。我确定这样做是有原因的，但我在任何地方都找不到解释。

这不是任何解释如何在 Swift 中获取 char 索引的问题的重复，我知道，我使用 index(of:) 函数只是为了说明问题。我想知道为什么在使用 String.Index 时第二个字符的值是 4 而不是 1。

所以我猜它保持索引的方式是私有(private)的，我不需要知道内部实现，它可能与 UTF16 和 UTF32 编码有关。

Answer 1

首先，永远不要假设 _compoundOffset 只是一个实现细节。 _compoundOffset 是 String.Index 的内部属性，它使用位掩码在这个数字中存储两个值:

• encodedOffset，它是索引在 UTF-16 代码单元方面的字节偏移量。这是公开的，可以信赖。在您的情况下 encodedOffset 是 1 因为这是该字符的偏移量，以 UTF-16 代码单元衡量。请注意，字符串在内存中的编码无关紧要! encodedOffset 始终为 UTF-16。

• transcodedOffset，它存储当前 UTF-16 代码单元内的索引偏移量。这也是您无法访问的内部属性。对于大多数索引，该值通常为 0，除非您在字符串的 UTF-8 View 中有一个索引，该索引引用了一个不属于 UTF-16 边界的代码单元。在这种情况下，transcodedOffset 将以字节为单位存储来自 encodedOffset 的偏移量。

现在为什么 _compoundOffset == 4？因为它将transcodedOffset存储在最低两位，encodedOffset存储在最高62位。所以 encodedOffset == 1, transcodedOffset == 0 的位模式是 0b100，也就是 4。

你可以验证这一切in the source code for String.Index .