UTF-8缓冲读取器

这个crate提供了通过一个名为BufRead的特质从任何实现了该特质的数据类型中读取utf-8文本的函数，而不需要等待换行符分隔符。这些函数利用缓冲区，要么返回字符串（str），要么返回字符（char）。每个都有一个关联的迭代器，其中一些有一个类似于Map迭代器的等效物，避免了分配和克隆。

使用方法

在您的Cargo.toml中添加此crate作为依赖项

[dependencies]
utf8-bufread = "1.0.0"

使用此crate读取文件的简单方法可能如下所示

// Reader may be any type implementing io::BufRead
// We'll just use a cursor wrapping a slice for this example
let mut reader = Cursor::new("Löwe 老虎 Léopard");
loop { // Loop until EOF
    match reader.read_str() {
        Ok(s) => {
            if s.is_empty() {
                break; // EOF
            }
            // Do something with `s` ...
            print!("{}", s);
        }
        Err(e) => {
            // We should try again if we get interrupted
            if e.kind() != ErrorKind::Interrupted {
                break;
            }
        }
    }
}

读取任意长度的字符串切片

read_str函数返回从内部读取器读取的任意长度字符串切片（最多为读取器缓冲区容量），无需克隆数据，除非有效的码点在读取器缓冲区末尾被截断。其关联的迭代器可以通过调用str_iter获得，由于它涉及在每个迭代中克隆数据，因此还提供了str_map。

读取码点

read_char函数返回从内部读取器读取的字符。其关联的迭代器可以通过调用char_iter获得。

迭代器类型

这个crate提供了一些结构体，用于以多种方式迭代内部读取器的数据

• StrIter 和 CodepointIter 在每次迭代时都会克隆数据，但使用 Rc 来检查返回的 String 缓冲区是否还被使用。如果没有，则重新使用以避免重新分配。

let mut reader = Cursor::new("Löwe 老虎 Léopard");
for s in reader.str_iter().filter_map(|r| r.ok()) {
    // Do something with s ...
    print!("{}", s);
}

• StrMap 和 CodepointMap 允许在不分配或复制的情况下读取数据，但之后无法将其传递给进一步的迭代器适配器。

let s = "Löwe 老虎 Léopard";
let mut reader = Cursor::new(s);
let count: usize = reader
    .str_map(|s| s.len())
    .filter_map(Result::ok)
    .sum();
println!("There is {} valid utf-8 bytes in {}", count, s);

• CharIter 与 StrIter 和其他类似，不同之处在于它依赖于实现了 Copy 的 char，因此不需要缓冲区或 "Rc" 伎俩。

let s = "Löwe 老虎 Léopard";
let mut reader = Cursor::new(s);
let count = reader
    .char_iter()
    .filter_map(Result::ok)
    .filter(|c| c.is_lowercase())
    .count();
assert_eq!(count, 9);

所有这些迭代器都可能读取数据直到 EOF 或找到无效的码点。如果从内部读取器读取了有效码点，它们会 在 报告错误之前将它们返回。在遇到错误或 EOF 之后，它们总是返回 None(选项)。它们总是忽略任何 Interrupted 错误。

进行中

这个 crate 仍在进行中。其 API 的一部分可以被认为是稳定的

• read_str、read_codepoint 和 read_char 的行为和签名。
• str_iter、str_map、codepoints_iter、codepoints_map 和 char_iter 的行为和签名。
• StrIter、StrMap、CodepointIter、CodepointMap 和 CharIter 的 API。

然而，一些功能仍被视为不稳定

• Error 的行为，特别是关于其 kind 以及如何避免数据丢失（见 leftovers）。

还有一些特性需要添加

• read_* 的有损和不检查版本（见 from_utf8_lossy & from_utf8_unchecked）。
• （可选）使用 unicode-segmentation crate 支持图形簇，方式与 read_codepoint 相同。
• 我欢迎建议，如果你有想法 😉

鉴于我并不是最有经验的开发者，你非常欢迎在此提交问题和推送请求 这里

许可

Utf8-BufRead 在 Apache License 2.0 的条款下分发，请参阅此存储库根目录中的 LICENSE 文件。