Swift进阶-String源码解析

Swift进阶-类与结构体
Swift-函数派发
Swift进阶-属性
Swift进阶-指针
Swift进阶-内存管理
Swift进阶-TargetClassMetadata和TargetStructMetadata数据结构源码分析
Swift进阶-Mirror解析
Swift进阶-闭包
Swift进阶-协议
Swift进阶-泛型
Swift进阶-String源码解析
Swift进阶-Array源码解析

创建一个空的字符串发生了什么？

这里并不能看出String的内存结构。那么接下来就借助 Swift源码 的方式看看String在内存中到底是如何存储的。

打开swift源码 -> stdib里的 String.swift

最直观地可以看到 String 是一个结构体，就是我们所说的值类型；它有一个成员变量 _StringGuts

其中最后有一个创建空字符串初始化方式 self.init(_StringGuts()) ：

接下来看看这个 _StringGuts 到底是什么东西？
同样找到swift源码 -> stdib里的 StringGuts.swift

_StringGuts 也是一个结构体，它有一个成员变量是 _StringObject 类型的实例；
并且在最后是通过初始化出一个 _StringObject 类型的实例来初始化 _StringGuts 的。

所以真正swift的 String 的实质就是 _StringObject 。接下来看看 _StringObject 到底是什么玩意儿？

找到swift源码 -> stdib里的 StringObject.swift ，可以看到 _StringObject 是一个结构体，再找到空字符串的初始化函数：

ps: 注意这里初始化时的传参，下面会说到这几个成员

最终找到字符串最终初始化函数，该函数是对成员的初始化赋值，那么只要搞懂这几个成员是代表什么意思，那就能搞清楚字符串的底层实质了。

_StringObject 存储着一些成员变量，文章最开始使用x/8g格式化输出一个空字符串对象empty的时候，那我猜测：输出的内容应该就是 _StringObject 里的_count、_variant、_discriminator、_flags。

internal var _variant: Variant 是一个枚举值，默认是immortal 0：

internal var _discriminator: UInt8 在初始化的时候传递了一个Nibbles.emptyString（ Nibbles 是一个枚举类型）：

0xE000_0000_0000_0000 与文章最上面截图相对应起来了：

那接下来我们就能测试一下字符串了：

字符a的ASCII编码是97，97的16进制是61，注意那个2的字节位的输出

小于等于15个字符串时，会记录字符串的位数。
对于小字符串(小于等于15个字符串)来说，是优先直接存到内存当中，无需另外分配内存空间的。（和NSString差不多类似）

接下来看看中文字符

中文字符不是ASCII编码，一个中文字符占据3个字节（24位），也是我们上面通过源码分析得出的使用了 0xA000_0000_0000_0000

所以 _StringObject.Nibbles 是一个识别器，去识别字符串是不是ASCII编码。

对于大字符串(大于15个字符串)来说，原本的小字符串占据的15个字节已经不足以存储字符串了，那就会发生改变：

来看看0x8000000000000000在源码中出现的定义是一个大原始字符串：

那剩下的 0x000000010000b860 到底是什么东西呢？它是字符串的内存 相对地址；
那应该偏移多少呢？来看源码里的注解

意思是0x10000b860需要加上偏移量 nativeBias 即32，32的16进制是0x20:
0x10000b860 + 0x20 = 0x10000b880

在源码注解里找到大字符串标志位

大字符串前8位就记录着这些标志位信息，0xd000000000000012就是大字符串前8位，拿到科学计算器里看看标志位：

所以count是0x12，转换成10进制就是18，正好对应18个字符。

对于 String 来说，它并不支持通过下标的方式获取字符

只能通过 String.Index 的方式来访问

对于 Swift 来说， String 是一系列字符的集合，也就意味着 String 中的每一个元素是不等长的。那也就意味着我们在进行内存移动的时候步长是不一样的，什么意思？
比如我们有一个 Array 的数组（Int 类型），当我们遍历数组中的元素的时候，因为每个元素的内存大小是一致的，所以每次的偏移量就是 8 个字节。

但是对于字符串来说不一样，比如我要方位 str[1] 那么我是不是要把我这个字段遍历完成之后才能够确定是的偏移量？
依次内推每一次都要重新遍历计算偏移量，这个时候无疑增加了很多的内存消耗。这就是为什么我们不能通过 Int 作为下标来去访问 String 。

可以很直观的看到 Index 的定义：

position aka encodedOffset 一个 48 bit 值，用来记录码位偏移量；
transcoded offset : 一个 2 bit 的值，用来记录字符使用的码位数量；
grapheme cache : 一个 6 bit 的值，用来记录下一个字符的边界；
reserved : 7 bit 的预留字段；
scalar aligned : 一个 1 bit 的值，用来记录标量是否已经对齐过。

String.Index 的本质就是一个64位的位域信息，这个位域信息展示的就是上面的解释。

创建 String.Index 实际上就是通过 encodedOffset 或者 transcoded offset ， encodedOffset 就是方便我们从内存中通过下标访问到字符串。