strings — 문자열 뷰 연산

소스

lib/str.low

층

L0 — 순수 계산

권한

없음

문자열을 복사하지 않고 비교하고, 찾고, 다듬고, 쪼갠다. 입력을 공백으로 나누거나, 접두사를 떼거나, 부분 문자열을 찾을 때 쓴다. 결과는 언제나 원본 위의 뷰 — 남의 바이트를 가리키기만 하는 창 — 이고, 새 메모리가 한 바이트도 들지 않는다.

use strings .

if strings.starts_with line "GET " . do
  let rest slice u8 be strings.remove_prefix line "GET " .
end

rest 는 line 의 일부를 그대로 가리킨다. 이 모듈은 언어가 이미 가진 것(len·index·subslice·eq·option·guard·while·actor)만으로 지어졌고 내장 연산을 하나도 늘리지 않았다. 문자열 연산의 대부분은 소유가 필요 없다 — 자르기·찾기·비교는 뷰를 낼 뿐이다. 이어 붙이기처럼 쓰기 가능한 버퍼가 필요한 일은 strbuf 가 맡는다.

설계와 경계#

• 하는 것 — 바이트 단위 비교·탐색·접두와 접미·다듬기·분할. 모든 fn 이 effects none 이고 아무것도 할당하지 않는다.
• 인코딩을 해석하지 않는다. str 은 바이트다. UTF-8 검증과 해독은 utf8 의 일이다.
• 소유와 수정을 하지 않는다. 원본을 한 바이트도 바꾸지 않는다.
• str_len·str_sub 는 없다. str 은 slice u8 의 별칭이므로 내장 len·subslice 가 그대로 돈다. 같은 뜻에 두 이름을 두지 않는다.
• 자리표 값이 없다. “−1 이면 못 찾음” 같은 관례를 쓰지 않는다. 못 찾음은 option 의 none 이다.

type str slice u8 . 은 투명 별칭이다. newtype 이 아니므로 문자열 리터럴, slice u8 값, subslice 결과가 모두 그대로 str 자리에 들어간다. 상태를 드는 것은 str_splitter 액터 하나뿐이다 — 원본 src, 구분 바이트 sep, 커서 pos, 소진 여부 fin.

op 한눈에#

모든 fn 은 effects none 이고, 액터의 proc 둘은 effects state 다. 부를 때는 strings.find 처럼 모듈 이름을 붙인다.

op 상세#

넘기는 slice u8 은 뷰이고 돌려받는 것도 같은 바이트 위의 다른 뷰다. 그래서 mut 가 아니고 effects none 이며, 원본이 살아 있는 동안만 유효하다. 비교와 검색의 두 인자는 늘 (찾을 대상, 찾는 것) 차례다 — has_byte s b 는 “s 안에 b 가 있는가” 로 읽는다.

eq_str — 바이트 단위 동등 비교. 길이가 다르면 바이트를 보기도 전에 false 다. 내장 eq 는 스칼라 전용이라 슬라이스 비교가 여기 산다. 그래서 이름이 eq 로 짧아지지 못했다.

has_byte — 바이트 b 하나가 s 안에 있는가. 문자열이 아니라 바이트 하나다. trim_start·trim_end 의 잘라낼 집합 검사가 이것을 쓴다.

find — hay 에서 needle 을 from 부터 찾아 시작 색인을 some 으로 낸다. from 이 있는 이유가 이 모듈의 성격이다. 커서는 호출자가 드는 값이다. 다음 검색은 찾은 자리 뒤를 from 으로 다시 부른다. 라이브러리가 상태를 어디에도 숨기지 않으므로, 같은 문자열을 여러 곳에서 동시에 훑어도 서로 간섭하지 않는다. from > len hay 면 none, 빈 needle 은 some from 이다.

has — “들어 있는가” 만 물을 때. 속은 is_some (find hay needle 0) 그대로다.

starts_with · ends_with — 접두와 접미 검사. 조각이 s 보다 길면 볼 것도 없이 false 다.

remove_prefix · remove_suffix — 접두나 접미를 뗀 뷰. 떼어 낼 조각이 없으면 원본을 그대로 돌려준다. 실패가 아니므로 반환이 option 이 아니다. 떼였는지 알아야 하면 먼저 starts_with·ends_with 로 묻는다.

trim_start · trim_end — 앞이나 뒤에서 특정 바이트들을 걷어낸 뷰. cut 은 차례 있는 문자열이 아니라 바이트의 집합이다 — " \t" 는 “공백 다음 탭” 이 아니라 “공백 또는 탭” 이다. 모두 잘리면 길이 0 인 뷰가 나온다.

split_next — src 를 구분 바이트 sep 로 쪼갤 때, pos 부터 다음 sep 앞까지의 조각을 some 으로 낸다. 커서 전진은 호출자 몫이다 — 조각을 받으면 pos ← pos + len(조각) + 1 로 스스로 민다(+1 은 구분 바이트 한 칸). 뒤에 sep 이 없는 마지막 조각도 some 이고, pos > len src 면 none 이 끝 신호다. "a,b" 는 "a"·"b", "a," 는 "a"·""(꼬리 빈 조각), "" 는 "" 하나다.

str_splitter — split_next 의 당겨 읽기 판. 커서를 액터 상태가 든다. init 에 원본과 구분 바이트를 넣으면 이후 next 는 인자가 없고, 조각을 option 으로 내다가 소진되면 none 이다.

쓰는 법#

모듈 이름은 파일 안의 module 선언이다. lib/str.low 의 모듈은 strings 다.

use strings from "lib/str.low" .   rem 경로를 직접 적는다(부르는 파일에서의 상대 경로)
use strings .                            rem 표준 모듈 자리에서 풀린다
use strings as s .                       rem 별칭 --- 이후 s.eq_str 로 부른다

찾고 쪼갠다.

module demo .

use strings .

fn t_find output u64 . do
  let r option u64 . be strings.find "hello world" "world" 0 .
  guard is_some r . else return 99 .
  return some_value r .
end

fn t_split output u64 . do
  rem "aa,b,,cc" 를 ',' (바이트 44) 로: "aa"·"b"·""·"cc" --- 네 조각
  var pos u64 be 0 .
  var pieces u64 be 0 .
  var r option slice u8 . be strings.split_next "aa,b,,cc" 44 pos .
  while is_some r . do
    set pieces (add pieces 1) .
    set pos (add pos (add (len (some_value r)) 1)) .
    set r (strings.split_next "aa,b,,cc" 44 pos) .
  end
  return pieces .
end

t_find 는 6 을, t_split 은 4 를 낸다. 상태를 원하면 액터 판을 쓴다 — 커서를 액터가 든다.

proc t_splitter output u64 . effects state . do
  var sp strings.str_splitter . be spawn actor strings.str_splitter .
  let d u64 be send sp init "one,two,three" 44 .
  var pieces u64 be 0 .
  var r option slice u8 . be send sp next .
  while is_some r . do
    set pieces (add pieces 1) .
    set r (send sp next) .
  end
  return pieces .
end

두 판의 차이는 커서를 누가 드는가 하나다. 같은 원본을 여러 갈래로 동시에 훑을 일이 있으면 split_next 가 맞고, 반복 하나로 끝까지 당길 뿐이면 액터 판이 짧다.

반례#

guard eq "abc" "abc" . else return 0 .        rem ✗ eq 는 스칼라 전용이다

var r option slice u8 . be strings.split_next src 44 pos .
while is_some r . do
  set r (strings.split_next src 44 pos) .   rem ✗ pos 가 그대로
end

let r option u64 . be strings.find "abc" "zz" 0 .
return some_value r .                         rem ✗ none 검사가 없다

let piece slice u8 be strings.remove_prefix line "GET " .
set (index line 4) 88 .                                     rem ✗ 원본을 고쳤다

주의#

• 바이트 단위다, 글자 단위가 아니다. 한글이나 이모지처럼 여러 바이트로 된 문자는 한 단위가 아니다. needle 로는 바이트열 그대로 찾히지만, cut 은 바이트 집합이라 멀티바이트 문자를 한 단위로 다루지 못한다. 글자 단위는 utf8 로 간다.
• 뷰는 원본과 수명과 내용을 함께한다. 원본이 바뀌면 뷰의 내용도 바뀌고, 원본이 사라지면 뷰도 못 쓴다. “값을 받았다” 가 아니라 “창을 받았다” 로 읽는다.
• remove_prefix 는 실패를 알리지 않는다. 뗐는지가 필요하면 starts_with 로 먼저 묻는다.
• find 는 소박한 탐색이다. 비용은 O(len hay × len needle) 이다. 아주 긴 문자열을 되풀이해 훑는 자리에서는 이 비용을 계산에 넣는다.
• 커서 판과 액터 판. split_next 는 상태를 나누지 않으므로 여러 커서가 동시에 읽어도 자유롭다. str_splitter 는 상태를 들므로 띄운 곳이 소진까지 책임진다.
• 널 종단 문자열로 바로 가는 길은 없다. 뷰는 끝의 0 바이트를 약속하지 못한다. strbuf 의 as_cstr 를 거친다.
• 내장 이름과 겹치는 이름. eq·contains 는 내장 연산이라 이 모듈이 eq_str·has_byte 로 이름을 지었다. 내 코드의 변수 이름도 내장 이름을 피한다.