Is there a Rust library with an UTF-16 string type? (intended for writing a Javascript interpreter)
对于大多数程序，最好在内部使用UTF-8，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，并且只存储UTF-16字符串(或u16的数组)要简单得多，因为
我需要分别处理16位代码单元(通常这是一个坏主意，但是Javascript要求这样做)。这意味着我需要它来实现Index<usize>。
我需要存储不成对的代理，即格式不正确的UTF-16字符串(因此，ECMAScript字符串在技术上被定义为u16的数组，通常表示UTF-16字符串)。有一种恰当地命名为WTF-8的编码可以将未配对的替代存储在UTF-8中，但是我不想使用类似的东西。
我想拥有所有或大多数常用方法的通常拥有/借用的类型(例如String / str和CString / CStr)。我不想滚动自己的字符串类型(如果可以避免的话)。
此外，我的字符串在Rc后面始终是不可变的，并从包含指向所有字符串的弱指针的数据结构中引用(实现字符串插入)。这可能是相关的：将Rc<Utf16Str>作为字符串类型可能会更好，其中Utf16Str是未定尺寸的字符串类型(可以将其定义为struct Utf16Str([u16]))。这样可以避免在访问字符串时跟随两个指针，但是我不知道如何实例化具有未确定大小的类型的Rc。
鉴于上述要求，仅使用rust-encoding很不方便，因为它将所有非UTF-8编码都视为u8的向量。
此外，我不确定是否完全可以使用std库在这里对我有所帮助。我调查了Utf16Units，它只是一个迭代器，而不是正确的字符串类型。 (此外，我知道OsString不能帮助您-我不在Windows上，并且甚至没有实现Index<usize>)
- 您为什么不想使用WTF-8？伺服就是这样的AFAIK。
-
Servo中的Javascript字符串不是由SpiderMonkey真正拥有的吗？在SpiderMonkey中，字符串是char16_t的数组。我的理解是，当字符串不归Javascript引擎所有时，Servo将存储WTF-8；当将其存储在Javascript值中时，它将转换为UTF-16(我想编写一个Javascript解释器，而不是浏览器)。另请参阅本文。
-
我认为您是对的，没关系。
由于这里有多个问题，我将尝试分别回答：
我认为您想要的类型是[u16]和Vec<u16>。
默认的字符串类型str和String是[u8]和Vec<u8>的package(在技术上，对于str而言，它不是原始的，但足够接近)。具有单独类型的目的是要保持不变，即底层字节在UTF-8中格式正确。
类似地，您可以将Utf16Str和Utf16String类型包裹在[u16]和Vec<u16>周围，并保留格式良好的UTF-16不变式，即没有不成对的替代。
但是正如您在问题中指出的那样，JavaScript字符串可以包含不成对的代理。这是因为JavaScript字符串严格来说不是UTF-16，它们实际上是u16的任意序列，没有其他不变性。
由于不需要维护不变性，因此我认为package器类型没什么用。
rust-encoding支持基于字节的UTF-16-LE和UTF-16-BE。您可能希望改用基于u16的UTF-16。
std::str::Utf16Units确实不是字符串类型。它是由str::utf16_units()方法返回的迭代器，该方法将Rust字符串转换为UTF-16(不是LE或BE)。例如，您可以在该迭代器上使用.collect()来获取Vec<u16>。
获取Rc<[u16]>的唯一安全方法是从Rc<[u16; N]>强制转换，而Rc<[u16; N]>的大小在编译时已知，这显然是不切实际的。我不建议这种不安全的方法：分配内存，向其中写入一个希望与RcBox的内存表示形式匹配的标头，然后进行转换。
如果要使用原始内存分配，最好使用自己的类型，以便可以使用其私有字段。 Tendril会这样做：https://github.com/servo/tendril/blob/master/src/buf32.rs
或者，如果您愿意承担额外的间接费用，则Rc<Vec<u16>>是安全且容易的。