Elixir学习笔记——二进制、字符串和字符列表

在“基本类型”中，我们学习了一些关于字符串的知识，并使用 is_binary/1 函数进行检查：

iex>string = "hello"
"hello"
iex>is_binary(string)
true

在本章中，我们将明确二进制到底是什么、它们与字符串的关系以及 Elixir 中单引号值“like this”的含义。虽然字符串是计算机语言中最常见的数据类型之一，但它们却非常复杂，经常被误解。要理解 Elixir 中的字符串，我们必须了解 Unicode 和字符编码，特别是 UTF-8 编码。

Unicode和码位

为了促进跨多种语言的计算机之间的有意义的通信，需要一个标准，以便一台机器上的 1 和 0 在传输到另一台机器时具有相同的含义。Unicode 标准充当了我们所知道的几乎所有字符的官方注册表：这包括来自古典和历史文本的字符、表情符号以及格式和控制字符。

Unicode 将其库中的所有字符组织成代码表，每个字符都被赋予一个唯一的数字索引。这个数字索引称为码位。

---------------------------------------------------------------------------------------------------------------------------------

码位

在字符编码术语中，码位或称编码位置，即英文的code point或code position，是组成码空间（或代码页）的数值。 例如，ASCII码包含128个码位，范围是016进制到7F16进制，扩展ASCII码包含256个码位，范围是016进制到FF16进制，而Unicode包含1,114,112个码位，范围是016进制到10FFFF16进制。Unicode码空间划分为17个Unicode字符平面（基本多文种平面，16个辅助平面），每个平面有65,536（= 216）个码位。因此Unicode码空间总计是17 × 65,536 = 1,114,112.

定义
码位的抽象意涵, 不同于下列概念:

1.作为具体编码的比特流。例如，UTF-16编码的比特流，既可以是大尾序，也可以是小尾序。
2.具有特定字形的字符. 因为字符集中的字符（码位）的具体外观随字体（font）——字体显示样式——的不同而变化。
3.特定码空间的编码方式。例如，一个Unicode码空间的码位，可以用UTF-8编码；也可以用UTF-16编码。
4.用不同字形显示一个字符，即字位.

---------------------------------------------------------------------------------------------------------------------------------

在 Elixir 中，您可以在字符文字前使用 ? 来显示其码位：

iex>?a
97
iex>?ł
322

请注意，大多数 Unicode 代码表将通过其十六进制 (hex) 表示来引用码位，例如97转换为十六进制的0061，我们可以使用 \uXXXX 符号和其码位号的十六进制表示来表示 Elixir 字符串中的任何 Unicode 字符：

iex>“\u0061”==“a”
true
iex>0x0061 = 97 = ?a
97

十六进制表示还可以帮助您查找有关码位的信息，例如 https://codepoints.net/U+0061 有一个关于小写字母 a（又名码位 97）的数据表。

UTF-8 和编码

现在我们了解了什么是 Unicode 标准以及什么是码位，我们终于可以讨论编码了。码位是我们存储的内容，而编码则涉及我们如何存储它：编码是一种实现。换句话说，我们需要一种机制将码位数字转换为字节，以便它们可以存储在内存中、写入磁盘等。

Elixir 使用 UTF-8 对其字符串进行编码，这意味着码位被编码为一系列 8 位字节。UTF-8 是一种可变宽度字符编码，使用一到四个字节来存储每个码位。它能够对所有有效的 Unicode码位进行编码。让我们看一个例子：

iex>string = "héllo"
"héllo"
iex>String.length(string)
5
iex>byte_size(string)
6

虽然上面的字符串有 5 个字符，但它使用了 6 个字节，因为使用两个字节来表示字符 é。

注意：如果您在 Windows 上运行，您的终端可能默认不使用 UTF-8。您可以在输入 iex (iex.bat) 之前运行 chcp 65001 来更改当前会话的编码。

除了定义字符外，UTF-8 还提供了字素的概念。字素可能由多个通常被视为一个的字符组成。例如，女消防员表情符号表示为三个字符的组合：女性表情符号 (