是否有 UTF-16 字符串类型的 Rust 库？ （用于编写 Javascript 解释器）

For most程序，最好内部使用 UTF-8 http://utf8everywhere.org/并在必要时转换为其他编码。但就我而言，我想编写一个 Javascript 解释器，并且仅存储 UTF-16 字符串（或数组）要简单得多u16）， 因为

1. 我需要单独寻址 16 位代码单元（这通常是一个坏主意，但 Javascript 需要这样做）。这意味着我需要它来实现Index<usize>.

2. 我需要存储不成对的代理，即格式错误的 UTF-16 字符串（因此，ECMAScript 字符串在技术上被定义为数组u16, that usually http://www.ecma-international.org/ecma-262/5.1/#sec-4.3.16代表 UTF-16 字符串）。有一种编码恰如其名WTF-8 https://simonsapin.github.io/wtf-8/以 UTF-8 存储未配对的代理，但我不想使用这样的东西。

我想要通常拥有/借用的类型（比如String / str and CString / CStr）与所有或最常用的方法。我不想滚动我自己的字符串类型（如果我可以避免的话）。

另外，我的字符串永远是不可变的，在Rc并从包含指向所有字符串的弱指针的数据结构中引用（实现字符串实习 https://en.wikipedia.org/wiki/String_interning）。这可能是相关的：也许最好有Rc<Utf16Str>作为字符串类型，其中Utf16Str是未调整大小的字符串类型（可以定义为struct Utf16Str([u16])）。这将避免在访问字符串时跟随两个指针，但我不知道如何实例化一个Rc具有未调整大小的类型。

考虑到上述要求，仅仅使用 rust-encoding 是非常不方便的，因为它会处理所有非 UTF-8 编码作为向量u8 https://lifthrasiir.github.io/rust-encoding/encoding/types/trait.Encoding.html#method.encode.

另外，我不确定是否使用标准库 https://internals.rust-lang.org/t/pre-rfc-stabilize-utf-16-encoding-in-std/2152一切都可能对我有帮助。我调查了Utf16Units它只是一个迭代器，而不是正确的字符串类型。 （另外，我知道OsString没有帮助 - 我不在 Windows 上，它甚至没有实现Index<usize>)

由于这里有多个问题，我将尝试分别回答：

我认为你想要的类型是[u16] and Vec<u16>.

默认字符串类型str and String是包装纸[u8] and Vec<u8>（技术上不正确str这是原始的，但足够接近）。具有单独类型的要点是保持底层字节的不变性UTF-8 格式良好.

同样，你可以有Utf16Str and Utf16String类型环绕[u16] and Vec<u16>保留一个UTF-16 格式良好不变，即不存在未配对的代理。

但正如您在问题中注意到的那样，JavaScript 字符串can包含未配对的代理。那是因为JavaScript 字符串并非严格意义上的 UTF-16，它们确实是任意序列u16没有额外的不变量。

由于没有需要维护的不变量，我认为包装类型没有那么有用。

rust-encoding 支持基于字节的 UTF-16-LE 和 UTF-16-BE。您可能需要基于 UTF-16u16相反。

std::str::Utf16Units确实不是字符串类型。它是由返回的迭代器str::utf16_units()将 Rust 字符串转换为 UTF-16（不是 LE 或 BE）的方法。您可以使用.collect()在该迭代器上得到Vec<u16>例如。

唯一安全的获取方式Rc<[u16]>是要胁迫Rc<[u16; N]>其大小在编译时已知，这显然是不切实际的。我不会推荐不安全的方法：分配内存，向其写入一个希望与内存表示相匹配的标头RcBox，并转变。

如果您要使用原始内存分配来完成此操作，最好使用您自己的类型，以便您可以使用其私有字段。卷须这样做：https://github.com/servo/tendril/blob/master/src/buf32.rs https://github.com/servo/tendril/blob/master/src/buf32.rs

或者，如果您愿意承担额外间接的成本，Rc<Vec<u16>>既安全又容易。