unicode - 如何计算 Rust 中字符串中的唯一字素簇？

Question

例如，对于

let n = count_unique_grapheme_clusters("🇧🇷 🇷🇺 🇧🇷 🇺🇸 🇧🇷");
println!("{}", n);

预期的输出是(空格和三个标志:"", "🇧🇷", "🇷🇺", “🇺🇸”):

4

Answer 1

我们可以使用 graphemes方法来自 unicode-segmentation crate迭代字素簇并将它们保存在 HashSet<&str> 中过滤掉重复项。然后我们得到 .len()容器。

extern crate unicode_segmentation; // 1.2.1

use std::collections::HashSet;

use unicode_segmentation::UnicodeSegmentation;

fn count_unique_grapheme_clusters(s: &str) -> usize {
    let is_extended = true;
    s.graphemes(is_extended).collect::<HashSet<_>>().len()
}

fn main() {
    assert_eq!(count_unique_grapheme_clusters(""), 0);
    assert_eq!(count_unique_grapheme_clusters("a"), 1);
    assert_eq!(count_unique_grapheme_clusters("🇺🇸"), 1);
    assert_eq!(count_unique_grapheme_clusters("🇷🇺é"), 2);
    assert_eq!(count_unique_grapheme_clusters("🇧🇷🇷🇺🇧🇷🇺🇸🇧🇷"), 3);
}

Playground