String and its' iterator in Rust

a note of what i learned from this video:

prelude

rust中对于String的概念与操作很复杂，
这主要是因为String本身就是一个高度抽象的复杂概念了，
而rust作为一个lowlevel 语言，对于String的操作在表述上可以/必须更精确
that’s the feature ,是语言表达力的一部分。

few about utf-8 encoding rules

一个utf-8 字符 由1~4个byte组成

一些简单的规则: 第一个byte 前几位表示这个字符有几个byte组成
如果以0开头则表示只有当前一个byte表示字符，这个规则使得utf-8兼容ASCII
如果以11开头则表示这个字符用两个byte表示
111开头 → 三个byte 1111开头 → 四个byte

如果一个字符由多个byte组成，那么后续的byte均由10开头 这样即可区分当前byte是否是一个字符的中间部分

glossary of terms

• Unicode codespace: A range of integers from 0 to 10FFFF16.
• Code point: Any value in the Unicode codespace.
• Unicode scalar value: Any Unicode code point except high-surrogate and low-surrogate code points.

high-surrogate and low-surrogate code points:
高代理值和低代理值本身没有实际意义，它们只能在UTF-16中成对使用，
因此Rust认为它们不是有效的Unicode字符。

可以理解为 rust 是(utf-8/ unicode scalar value) supprted, 但不支持所有的 UTF字符集中的字符

rustlang 中的String

rust中 char 表示一个 Unicode scalar value
所以我们可以做到 print! emoji

println!("{}", '🦀');

而因为utf-8不定长字符的特性, String 在lowlevel上不能简单理解为char[]数组来使用(除非你确定你要这么做)，
如果你想要以一个高抽象度的视角出发，以’字符’为单位遍历或slice一个String，那么你不能：

• 直接通过index操作String，
• 通过.chars()方法返回的迭代器操作String

这是因为前者以byte为单位，后者以Unicode scalar value为单位，\

而一个byte不一定就表示一个字符。(绝大部分中文字符在utf-8)中都是3个byte表示的)
且一个Unicode scalar value 也不一定就是一个字符\

(取决于font 与 terminal,下面的字符可能无法正常显示为一个整体的字符)
例如👨🏾 = 👨 + 🏾 , 或者 कां = क + ा + ं
(这里的+表示 字符的binnary的直接连接)

综上， 如果不想要以lowlevel的方式操作String，
而是要以字符为单位操作String，那么你应该使用unicode-segmentation crate
用 .graphemesll获取 字符素集群的迭代器

use unicode_segmentation::UnicodeSegmentation;

fn main() {
   for g in  "👨🏾,कां".graphemes(true){
    println!("{}\n", g);
   }
}

取决于font 与 terminal, 上面print宏的结果（以及代码本身）可能无法正常显示为一个整体的字符
但是可以同时print一个计数器，可以验证通过.graphemes,仅迭代了两次)