Rust 裡面那些 String 們

故事是這樣子的，最近把小弟自幹的編譯器加上 rust 的 llvm wrapper llvm-sys，經過一陣猛烈的攪動之後，自幹的編譯器終於可以 dump LLVM IR 了，雖然只會輸出一個空殼子…但有第一步總是好的。
不過小弟在綁定的時候遇到一個大問題，也就是 Rust 裡面的 String，到底怎麼會有這麼多種，因為寫的時候一直沒搞清楚，然後就會被編譯器噴上一臉的錯誤，覺得痛苦，於是決定來打篇整理文。
簡單來說，Rust 的 std 有四種 String，每個 String 都有動態記憶體模式跟沒有 size 資訊（不是 Sized）的靜態模式，他們是：

std::string::String <-> std::str
std::ffi:OsString <-> std::ffi::OsStr
std::path::PathBuf <-> std::path::Path
std::ffi::CString <-> std::ffi::CStr

還有一個比較少用，只能表示 ascii 128 字元組成的字串的 std::ascii::asciiExt，這裡就不介紹了。

一般的程式語言在數字型態通常都很固定，Rust 就很明確的分為 i8, i16, i32, i64 …，就偏偏字串是個大坑，因為從 ASCII 到 unicode，字串實在有太多分岐，儘管有 unicode 也不是到處適用。Rust 從設計上一開始就直接採用 utf-8 作為設計標準，原生的 String/str 就是 utf 8 字串。
可是呢，並不是所有作業系統都玩 utf8 這套，因此 Rust 有另一個使用 wtf8 的 OsString，wtf8 跟 utf8 的差異在於 wtf8 算是<格式比較差>的 utf8，會出現一些 utf8 不允許的位元組，偏偏規格沒有要求一定要完美格式，造成 windows 或 javascript 有時會出現這種格式不良的 wtf8 字串，因此 OsString ，跟專門用來表示路徑的 PathBuf 就是使用 wtf8。
有關 wtf8 請參考：https://simonsapin.github.io/wtf-8/

上面的字串都是在型態中記錄字串長度，結尾不會有 \0 字元，CString 則是最傳統的 null-terminated 字串，在呼叫 C 函式的時候，一定要用 CString 傳遞才行。
順帶一提，一般寫在 code 裡面的 let hello = "hello world" 的型態是 &'static str：生命週期為 static 的靜態字串。

知道了以上幾個區別之後，就來看看要怎麼使用它們：
String 最簡單，裡面一定要是 utf8，產生就是從 static str 產生，或者是 new 之後慢慢 push 進去：

let hello : String = String::from("hello");
let mut world : String = String::new();
world.push_str("world");
world.push('!');

OsString 是類似的，但只能從 String 轉過來（注意 String 的所有權會轉給 OsString），或者一樣 new 之後 push String 進去：

use std::ffi::{OsString, OsStr};
let oshello : OsString = OsString::from(hello);
let mut world : OsString = OsString::new();
world.push("world!");

PathBuf 其實就想成 OsString 就好，兩者也可以互相用 from 轉換：

use std::path::{PathBuf, Path};
let p1 : PathBuf = PathBuf::from(oshello)
let mut p2 = PathBuf::new();
p2.push("/dev");

上面說了，OsString 跟 PathBuf 用的是 wtf8，是 utf8 的超集，因此一般只能單向從 String 到 OsString，反向是不行的，呼叫 OsString::into_string() 得到的是 Result<String, OsString>，也就是有可能會轉失敗；或者就是用 into_lossy_string 把編碼不完整的地方變成 U+FFFD，utf8 的 replacement character。
PathBuf 則是沒有 into_string 可以用，只能先轉換成 OsString 再轉過去，我也不知道為什麼 core team 要這樣設計。

剩下的就是函式了，很有趣的是 String, OsString, PathBuf 都是動態容器，操作內容都要轉換到 str, OsStr, Path 上面去：
str 有操作字串用的 split_whitespace, starts_with 等等
OsStr 沒有任何特殊的函式XD。
Path 有很多對路徑的操作：is_absolute, parent, with_extension 等等，很多函式操作後都會得到 Path 或是 OsStr 讓你做接下來的操作。

CString 比較棘手一點，它要在 new 的時候代入 Vec<u8> （或者有實作 Into<Vec<u8>> 的型態）來建立 CString，new 會自動在後面加上 \0 ，因此這個 Vec 裡面不應該有 \0。
其實我覺得把 CString 想得 Vec<u8> 的另一種型態就好了，它本身也提供 into_bytes, as_bytes 等函式轉換成 Vec<u8> 的型態。
如果要從 String 跟 OsString 轉換過來的話，String 要用 as_bytes() 轉成 Vec<u8>，OsString 因為 unix 跟 windows 會有不同的 OsString 實作，不一定都能轉成 Vec<u8>，在 unix 要引入 std::os::unix::ffi::OsStrExt 就可以將 OsString 用 as_bytes() 轉成 Vec<u8>；Windows 則建議轉成 String 再轉成 bytes ，請參考這個網址。

用上了 CString，最重要的就是要交給外部的 C 函式去用，要用 as_ptr() 取出字串部分的 pointer，得到的就是 * u8 了，有必要的話再加上 as *const i8 轉型一下。
例如我要呼叫這個函式：

LLVMPrintModuleToFile (LLVMModuleRef M, const char *Filename, char **ErrorMessage)

這個函式，我的檔案名稱是一個 OsString：

use std::ffi::{CString, CStr};
use std::os::unix::ffi::OsStrExt;
llvm::core::LLVMPrintModuleToFile(
           self.module,
            path.as_bytes().as_ptr() as *const i8,
            ptr::null_mut());

看了這麼多，簡單整理一下大概是這樣：

老實說每次只要在 Rust 裡面弄到 Path 都會弄到懷疑人生……