您现在的位置: IOS教程網 >> IOS系統 >  >> iOS 使用技巧 >> iOS 技巧大全

NSString 系統學習筆記:編碼、比較、查找與路徑處理

編輯:iOS 技巧大全

NSString 是 iOS 開發裡出現頻率最高的類之一,但很多細節平時容易被忽略——尤其是編碼、長度計算和路徑處理這幾塊。下面按主題梳理一份較完整的筆記。

一、基本概念

NSString 本質上是一個 UTF-16 code unit 序列。所有涉及長度、字符、範圍的計算,都是以 16 比特、平台端序(依平台決定大端或小板)的形式表示的。

由此可以推出一個實用結論:一個英文字母的長度是 1,一個漢字的長度也是 1,而 emoji 表情的長度可能是 2、3、4 甚至更多。

NSString 可以從 C 緩衝區、NSData 對象以及 NSURL 的內容中生成,也能反向轉化為這些形式,並支持在 ASCII、UTF-8、UTF-16、UTF-32 等多種編碼之間轉換。

二、關於字符

兩個最基本的接口是:

- (unichar)characterAtIndex:(NSUInteger)index;
@property(readonly) NSUInteger length;

字符串的比較、查找等操作都是以字符為基礎的,也就是逐個 character 比較。而 unichar 是 UTF-16 的編碼單位, Swift 中對應 typealias unichar = UInt16。

解析 UTF-16 數據時(即把比特數組按 UTF-16 格式解析),如果沒有 BOM(byte-order mark)指明端序,默認按大端序處理。

三、子類化、組合與 Category

要實現 NSString 的子類,需要提供自己的存儲(靜態數組、動態分配的數組或其他形式),並實現 length 與 charAtIndex: 方法。

另一種思路是「組合」:聲明一個類,把 NSString 作為屬性,其他 metadata 也作為屬性存儲,然後轉發需要的 NSString 方法。

用 Category 擴展 NSString 則要注意:它對所有 NSString 對象都會生效,有時會產生意料之外的影響。擴展能力很強,但命名一定要做好前綴隔離。

四、生成 NSString 的各種方式

從比特數組生成——按指定編碼解析指定長度的字節:

- (instancetype)initWithBytes:(const void *)bytes length:(NSUInteger)len encoding:(NSStringEncoding)encoding;

若 len 超出比特數組實際長度,返回 nil。

從 unichar 數組生成:

- (instancetype)initWithCharacters:(const unichar *)characters length:(NSUInteger)length;

從 C 字符串生成:

- (instancetype)initWithCString:(const char *)nullTerminatedCString encoding:(NSStringEncoding)encoding;

由於 C 字符串以 NULL 終結,字符串內容中不能包含 NULL,因此這條路徑只適用於以 8 比特為基礎的編碼——比 8 比特更寬的格式(如 UTF-16)其編碼單位內部可能出現空的比特。

從格式化參數創建:

- (instancetype)initWithFormat:(NSString *)format locale:(id)locale arguments:(va_list)argList;

從 NSData 創建:

- (instancetype)initWithData:(NSData *)data encoding:(NSStringEncoding)encoding;

從文件創建:

// 指定編碼;文件打不開或編碼錯誤時返回 nil
- (instancetype)initWithContentsOfFile:(NSString *)path
                              encoding:(NSStringEncoding)enc
                                 error:(NSError * _Nullable *)error;

// 由系統返回實際解析所用的編碼(以指針方式帶出)
- (instancetype)initWithContentsOfFile:(NSString *)path
                          usedEncoding:(NSStringEncoding *)enc
                                 error:(NSError * _Nullable *)error;

從 URL 創建:

- (instancetype)initWithContentsOfURL:(NSURL *)url
                              encoding:(NSStringEncoding)enc
                                 error:(NSError * _Nullable *)error;

- (instancetype)initWithContentsOfURL:(NSURL *)url
                          usedEncoding:(NSStringEncoding *)enc
                                 error:(NSError * _Nullable *)error;

五、寫入文件與 URL

- (BOOL)writeToFile:(NSString *)path
           atomically:(BOOL)useAuxiliaryFile
             encoding:(NSStringEncoding)enc
                error:(NSError * _Nullable *)error;

當 useAuxiliaryFile 為 YES 時,系統會先寫一個臨時文件,寫完後再重命名為目標文件。這樣即使中途 crash,也不會破壞已存在的舊文件——這是一個值得養成習慣的保護機制。

這個方法還會把編碼信息寫入文件的擴展屬性 com.apple.TextEncoding,值是「IANA 編碼名 + 分號 + CFStringEncoding 數值」。從文件讀回字符串時,系統正是靠這些信息判斷編碼格式的。例如:

MACINTOSH;0
UTF-8;134217984
UTF-8;
;3071

可以這樣讀取該屬性:

NSString *dd = @"d";
NSString *file = [NSHomeDirectory() stringByAppendingPathComponent:@"test"];
NSError *error = nil;
[dd writeToFile:file atomically:YES encoding:NSUTF8StringEncoding error:&error];

if (nil == error) {
    NSLog(@"write success");
}

NSDictionary *attrbuteDict = [[NSFileManager defaultManager] attributesOfItemAtPath:file error:&error];
NSDictionary *extendAtt = [attrbuteDict objectForKey:@"NSFileExtendedAttributes"];
NSData *attrData = [extendAtt objectForKey:@"com.apple.TextEncoding"];
NSString *attrStr = [[NSString alloc] initWithData:attrData encoding:NSUTF8StringEncoding];

寫入 URL 的接口形式相同:

- (BOOL)writeToURL:(NSURL *)url
          atomically:(BOOL)useAuxiliaryFile
            encoding:(NSStringEncoding)enc
               error:(NSError * _Nullable *)error;

六、獲取長度

@property(readonly) NSUInteger length 返回的是 UTF-16 code unit 的數量,不是屏幕上看到的字符個數。

- (NSUInteger)lengthOfBytesUsingEncoding:(NSStringEncoding)enc 返回按某種編碼編碼後的比特數組長度,時間複雜度 O(n)。

- (NSUInteger)maximumLengthOfBytesUsingEncoding:(NSStringEncoding)enc 返回的是不精確的上界,時間複雜度 O(1)。在只需要預分配緩衝區的場景下,用它更划算。

七、取出編碼單元的數組

// buffer 必須足夠大,否會越界
- (void)getCharacters:(unichar *)buffer range:(NSRange)range;

// 這個版本更安全,不會 crash
- (BOOL)getBytes:(void *)buffer
       maxLength:(NSUInteger)maxBufferCount
      usedLength:(NSUInteger *)usedBufferCount
        encoding:(NSStringEncoding)encoding
         options:(NSStringEncodingConversionOptions)options
           range:(NSRange)range
 remainingRange:(NSRangePointer)leftover;

八、獲取 C 字符串

調用之前,建議先用 - (BOOL)canBeConvertedToEncoding:(NSStringEncoding)encoding 確認能否無失真轉換。另外,這類方法不要傳 UTF-16 或 UTF-32,因為這些編碼包含 NULL 字節,會與 C 字符串的終結約定衝突。

// 返回的字符串在調用者 dealloc 之前有效
- (const char *)cStringUsingEncoding:(NSStringEncoding)encoding;

// buffer 需要自己分配,生命週期也由自己控制
- (BOOL)getCString:(char *)buffer
         maxLength:(NSUInteger)maxBufferCount
          encoding:(NSStringEncoding)encoding;

九、字符串的比較

- (NSComparisonResult)compare:(NSString *)string
                       options:(NSStringCompareOptions)mask
                         range:(NSRange)rangeOfReceiverToCompare
                        locale:(id)locale;

常用的比較選項:

NSCaseInsensitiveSearch       忽略大小寫
NSLiteralSearch               按字面逐字符比較
NSBackwardsSearch             從後往前
NSAnchoredSearch              從指定範圍的邊界開始
NSNumericSearch               數字按數值順序("2" 排在 "10" 前面)
NSDiacriticInsensitiveSearch  忽略變音符號
NSWidthInsensitiveSearch      忽略全角半角差異
NSForcedOrderingSearch        強制返回排序結果
NSRegularExpressionSearch     將 pattern 當作正則表達式

前後綴判斷:

- (BOOL)hasPrefix:(NSString *)str;
- (BOOL)hasSuffix:(NSString *)str;

相等判斷用 - (BOOL)isEqualToString:(NSString *)aString,它比通用的 isEqual: 更快。

十、組合字符串

stringByAppendingFormat: 用於追加格式化內容。另外一個實用方法是填充:

- (NSString *)stringByPaddingToLength:(NSUInteger)newLength
                            withString:(NSString *)padString
                       startingAtIndex:(NSUInteger)padIndex;

從 padString 的 padIndex 位置開始循環填充:

[@"abc" stringByPaddingToLength:9 withString:@"." startingAtIndex:0];
// "abc......"

[@"abc" stringByPaddingToLength:2 withString:@"." startingAtIndex:0];
// "ab"(超出新長度的部分直接截斷)

[@"abc" stringByPaddingToLength:9 withString:@". " startingAtIndex:1];
// "abc . . ." —— 注意第一個填充字符是空格,
// 因為 @". " 的 characterAtIndex:1 是 " "

十一、分隔字符串

// 按字符串分隔
- (NSArray<NSString *> *)componentsSeparatedByString:(NSString *)separator;

// 按字符集合分隔
- (NSArray<NSString *> *)componentsSeparatedByCharactersInSet:(NSCharacterSet *)separator;

// 去除首尾指定字符集
- (NSString *)stringByTrimmingCharactersInSet:(NSCharacterSet *)set;

取子串則是 substring*** 系列方法。

十二、查找字符串

// 字符集查找
- (NSRange)rangeOfCharacterFromSet:(NSCharacterSet *)searchSet
                           options:(NSStringCompareOptions)mask
                             range:(NSRange)rangeOfReceiverToSearch;

// 子串查找
- (NSRange)rangeOfString:(NSString *)searchString
                 options:(NSStringCompareOptions)mask
                   range:(NSRange)rangeOfReceiverToSearch
                  locale:(NSLocale *)locale;

按行枚舉:

- (void)enumerateLinesUsingBlock:(void (^)(NSString *line, BOOL *stop))block;

更通用的枚舉接口:

- (void)enumerateSubstringsInRange:(NSRange)range
                           options:(NSStringEnumerationOptions)opts
                        usingBlock:(void (^)(NSString *substring,
                                            NSRange substringRange,
                                            NSRange enclosingRange,
                                            BOOL *stop))block;

常見的 NSStringEnumerationOptions:

NSStringEnumerationByLines                  按行
NSStringEnumerationByParagraphs             按段落
NSStringEnumerationByComposedCharacterSequences  按「完整字符」枚舉
NSStringEnumerationByWords                  按單詞
NSStringEnumerationBySentences              按句子
NSStringEnumerationReverse                  反向枚舉
NSStringEnumerationSubstringNotRequired     不回傳 substring(出於性能考慮)
NSStringEnumerationLocalized                按本地化規則

其中 ByComposedCharacterSequences 特別值得記住:一個 emoji 由若干個 UTF-16 code unit 組成,只有用這個選項枚舉,才不會把表情符號切碎。

十三、字符串替換

- (NSString *)stringByReplacingOccurrencesOfString:(NSString *)target
                                        withString:(NSString *)replacement
                                           options:(NSStringCompareOptions)options
                                             range:(NSRange)searchRange;

十四、分行與分頁字符

常見的換行符:

U+000A  LINE FEED (LF)          \n
U+000D  CARRIAGE RETURN (CR)    \r
U+0085  NEXT LINE (NEL)
U+2028  LINE SEPARATOR
U+2029  PARAGRAPH SEPARATOR
\r\n(即 CRLF)

十五、ComposedCharacter 與屏幕尺寸

ComposedCharacter 可以理解為由多個 UTF-16 code unit 共同表示的一個「完整字符」。為了避免把 emoji 之類的字符從中間截斷,需要先算出包含指定 index 的完整字符範圍:

- (NSRange)rangeOfComposedCharacterSequenceAtIndex:(NSUInteger)index;

計算字符串在屏幕上的佔用尺寸:

- (CGSize)sizeWithAttributes:(NSDictionary<NSString *,id> *)attrs;

這個方法返回的金額包含小數,所以拿去做佈局時記得對結果調用 ceil 向上取整,否則可能出現文字被裁切一條邊的情況。

找共同前綴:

- (NSString *)commonPrefixWithString:(NSString *)str options:(NSStringCompareOptions)mask;

十六、編碼相關

// 能否無失真轉為某種編碼
- (BOOL)canBeConvertedToEncoding:(NSStringEncoding)encoding;

// 探測 NSData 的編碼格式
+ (NSStringEncoding)stringEncodingForData:(NSData *)data
                        encodingOptions:(NSDictionary<NSStringEncodingDetectionOptionsKey,id> *)opts
                        convertedString:(NSString * _Nullable *)string
                    usedLossyConversion:(BOOL *)usedLossyConversion;

// 轉為 NSData
- (NSData *)dataUsingEncoding:(NSStringEncoding)encoding allowLossyConversion:(BOOL)lossy;

// 無失真前提下速度最快的編碼
@property(readonly) NSStringEncoding fastestEncoding;

// 無失真前提下佔用空間最小的編碼
@property(readonly) NSStringEncoding smallestEncoding;

探測編碼時可用的選項:

suggestedEncodingsKey        建議優先嘗試的編碼(NSNumber 數組)
disallowedEncodingsKey       不允許的編碼(NSNumber 數組)
useOnlySuggestedEncodingsKey 是否只使用建議的編碼
allowLossyKey                是否允許失真解碼
fromWindowsKey               是否考慮 Windows 系列編碼
lossySubstitutionKey         失真解碼時用什麼替代不支持的字符(NSString,默認 U+FFFD)
likelyLanguageKey            NSData 可能的來源語言(兩字母 ISO 639-1 代碼)

十七、URL 相關

// 百分號編碼
- (NSString *)stringByAddingPercentEncodingWithAllowedCharacters:(NSCharacterSet *)allowedCharacters;

// 去除百分號編碼
@property(readonly, copy) NSString *stringByRemovingPercentEncoding;

十八、文件路徑處理

路徑拼接與拆分:

// 用路徑分隔符連接多段
+ (NSString *)pathWithComponents:(NSArray<NSString *> *)components;

// 拆分為數組
@property(readonly, copy) NSArray<NSString *> *pathComponents;

轉為系統形式的 C 字符串:

@property(readonly) const char *fileSystemRepresentation;

注意緩衝區大小要把結尾的 NULL 算進去:

char filenameBuffer[13];
BOOL success;

success = [@"/mach_kernel" getFileSystemRepresentation:filenameBuffer maxLength:12];
// success == NO

// 把長度改成包含 NULL 字符就可以
success = [@"/mach_kernel" getFileSystemRepresentation:filenameBuffer maxLength:13];
// success == YES

獲取最後一段路徑名與擴展名:

@property(readonly, copy) NSString *lastPathComponent;
@property(readonly, copy) NSString *pathExtension;

處理 ~:

// ~ 展開為絕對路徑
@property(readonly, copy) NSString *stringByExpandingTildeInPath;

// 絕對路徑縮寫為 ~
@property(readonly, copy) NSString *stringByAbbreviatingWithTildeInPath;

拼接與刪減:

- (NSString *)stringByAppendingPathComponent:(NSString *)str;
- (NSString *)stringByAppendingPathExtension:(NSString *)str;

@property(readonly, copy) NSString *stringByDeletingLastPathComponent;
@property(readonly, copy) NSString *stringByDeletingPathExtension;

符號鏈接與標準化:

@property(readonly, copy) NSString *stringByResolvingSymlinksInPath;
@property(readonly, copy) NSString *stringByStandardizingPath;

其中 stringByStandardizingPath 的具體行為包括:

  • 把 ~ 展開為絕對路徑
  • 如果可以,移除起始的 /private/var/automount、/var/automount 或 /private
  • 處理重複的 // 與 /./
  • 移除最後一個路徑段的尾部斜線
  • 處理 ../ 之類的符號鏈接

延伸閱讀

字符編碼基礎筆記:ASCII、Unicode 與 UTF-8 的關係與演進。

  1. 上一篇文章:
  2. 下一篇文章:
蘋果刷機越獄教程| IOS教程問題解答| IOS技巧綜合| IOS7技巧| IOS8教程
Copyright © IOS教程網 All Rights Reserved