Haskell 中的编码和高效 IO
Encoding and efficient IO in Haskell
你好，我对从 String 到 ByteString 编码数据所需的所有 Haskell 模块感到有点困惑，以实现高效写入。
我不明白你如何将 Data.ByteString.Lazy 转换为 Data.ByteString.Char8，反之亦然。
我需要知道什么？因为我无法获得所有这些可能的用法组合....
Data.ByteString,Data.ByteString.Lazy,Data.ByteString.Char8 ，然后是 Data.Text.....我需要什么才能轻松高效地将字符串写入文件，反之亦然？ （使用适当的编码）
P.S 目前正在阅读 Real World Haskell 我对所有这些模块感到很困惑。
这是路线图的截图。
字符串和文本
您可能知道，Haskell String 类型只是 [Char] 的类型同义词，其中 Char 是可以表示单个数据类型的数据类型Unicode 代码点。这使得 String 成为表示文本数据的完美数据类型，除了一个小问题——作为装箱 Char 值的链接列表——它可能效率极低。
text 包中的 Text 数据类型解决了这个问题。 Text 也像 String 一样表示 Char 值的列表，但它不是使用实际的 Haskell 列表，而是使用时间和 space-高效表示。当您需要高效地处理文本 (Unicode) 数据时，它应该是 String 的首选替代品。
与标准 Haskell 库中的许多其他数据类型一样，它有惰性变体和严格变体。两个变体具有相同的名称 Text，但它们包含在不同的模块中，因此您可以这样做：
import qualified Data.Text as TS
import qualified Data.Text.Lazy as TL
如果您需要在同一程序中同时使用 TS.Text 和 TL.Text 变体。
documentation for Data.Text 中描述了变体之间的确切区别。简而言之，您应该默认使用严格版本。您只在两种情况下使用惰性版本。首先，如果您打算一次处理一个较大的 Text 值，将其更像是文本 "stream" 而不是 "string"，那么惰性版本是好的选择。 （例如，读取一个巨大的 CSV 数字文件的程序可能会将该文件读取为一个长惰性 Text 流，并将结果存储在一个有效的数字类型中，例如 Vector 的未装箱 Double 值以避免将整个输入文本保留在内存中。）其次，如果您从许多小片段构建一个大的 Text 字符串，那么您不想使用严格版本，因为它们的不变性意味着每当您添加内容时都需要复制它们。相反，您希望将惰性变体与 Data.Text.Lazy.Builder.
中的函数一起使用
字节串
另一方面，bytestring 包中的 ByteString 数据类型是字节列表的有效表示。就像 Text 是 [Char] 的高效版本一样，您应该将 ByteString 视为 [Word8] 的高效版本，其中 Word8 是 Haskell 类型，表示值为 0-255 的单个无符号数据字节。等效地，您可以将 ByteString 视为代表一块内存或一块要从文件中读取或写入文件的数据块，准确地说是一个字节接一个字节。它还具有懒惰和严格的风格：
import qualified Data.ByteString as BS
import qualified Data.ByteString.Lazy as BL
使用变体的注意事项与Text.
类似
读取和写入文件
在 Haskell 程序中，通常在内部将 Unicode 字符串表示为 String 或 Text 值。但是，要从文件中读取它们或将它们写入文件，需要将它们编码为字节序列并从中解码。
处理此问题的最简单方法是使用 Haskell 自动处理编码和解码的函数。您可能知道，Prelude 中已经有两个函数可以直接读写字符串：
readFile :: FilePath -> IO String
writeFile :: FilePath -> String -> IO ()
此外，text中还有readFile和writeFile函数可以做到这一点。您可以在 Data.Text.IO 和 Data.Text.Lazy.IO 中找到版本。它们似乎具有相同的签名，但一个在严格 Text 类型上运行，另一个在惰性 Text 类型上运行：
readFile :: FilePath -> IO Text
writeFile :: FilePath -> Text -> IO ()
您可以看出这些函数正在自动进行编码和解码，因为它们 return 并接受 Text 值，而不是 ByteString 值。使用的默认编码将取决于操作系统及其配置。在典型的现代 Linux 发行版中，它将是 UTF-8。
或者，您可以使用 bytestring 包中的函数从文件读取或写入原始字节（同样，惰性或严格版本，具体取决于模块）：
readFile :: FilePath -> IO ByteString
writeFile :: FilePath -> ByteString -> IO ()
它们与 text 版本具有相同的名称，但您可以看到它们正在处理原始字节，因为它们 return 并接受 ByteString 参数。在这种情况下，如果您想将这些 ByteString 用作文本数据，则需要自己对它们进行解码或编码。例如，如果 ByteString 表示文本的 UTF-8 编码版本，那么来自 Data.Text.Encoding（对于严格版本）或 Data.Text.Lazy.Encoding（对于惰性版本）的这些函数就是您要的寻找：
decodeUtf8 :: ByteString -> Text
encodeUtf8 :: Text -> ByteString
Char8 模块
现在，Data.ByteString.Char8和Data.ByteString.Lazy.Char8中的模块是特例。当使用几种 "ASCII-preserving" 编码方案（包括 ASCII 本身、Latin-1 和其他 Latin-x 编码以及 UTF-8）中的一种对纯 ASCII 文本进行编码时，结果是编码的 ByteString只是 Unicode 代码点 0 到 127 的一个简单的每个字符一个字节的编码。更一般地说，当文本以 Latin-1 编码时，编码的 ByteString 只是一个简单的一个字节- Unicode 代码点 0 到 255 的每个字符编码。在这些情况下，并且仅在这些情况下，可以安全地使用这些模块中的函数来绕过显式编码和解码步骤，并将字节字符串视为 ASCII and/or Latin-1 文本直接通过自动将单个字节转换为 unicode Char 值并返回。
因为这些函数只在特定情况下有效，所以通常应避免使用它们，除非是在专门的应用程序中。
此外，正如评论中提到的，这些 Char8 模块中的 ByteString 变体与普通的严格和惰性 ByteString 变体没有任何不同；这些模块中的 函数 将它们视为 Char 值而不是 Word8 值的字符串——数据类型相同，只是功能界面不同
总攻略
因此，如果您使用纯文本和操作系统的默认编码，只需使用来自 Data.Text 的严格 Text 数据类型和来自 [=] 的（高效）IO 函数54=]。您可以使用惰性变体进行流处理或从小片段构建大字符串，并且可以使用 Data.Text.Read 进行一些简单的解析。
你应该可以在大多数情况下完全避免使用String，但是如果你发现你需要来回转换，那么Data.Text（或[=83]中的这些转换函数=]) 会有用：
pack :: String -> Text
unpack :: Text -> String
如果您需要对编码进行更多控制，您仍然希望在整个程序中使用 Text，但在 "edges" 处除外读取或写入文件。在这些边上，使用 Data.ByteString（或 Data.ByteString.Lazy）中的 I/O 函数，以及 Data.Text.Encoding 或 Data.Text.Lazy.Encoding 中的 encoding/decoding 函数。
如果您发现需要混合使用严格和惰性变体，请注意 Data.Text.Lazy 包含：
toStrict :: TL.Text -> TS.Text -- convert lazy to strict
fromStrict :: TS.Text -> TL.Text -- vice versa
和 Data.ByteString.Lazy 包含 ByteString 值的相应函数：
toStrict :: BL.ByteString -> BS.ByteString
fromStrict :: BS.ByteString -> BL.ByteString
这取决于您要处理的数据类型以及您打算如何处理这些数据。
如果您要处理 Unicode 字符串，请使用文本包中的 Text。
如果您不需要一次将所有数据读入内存，请使用该模块的 Lazy 版本。否则，整个数据将加载到一个数据结构中。
何时使用 Data.ByteString 或 Data.ByteString.Char8 取决于您希望字节串表示什么：字节序列或 8 位字符序列。 ByteString 是一种数据结构，可用于存储字节序列，每个字节的类型为：Word8 或 8 位字符的序列，每个字符的类型为：Char。只有一种 ByteString 类型。
因为我们经常处理混合了基于字符的数据的二进制数据，所以如果我们在不同的模块中分别对字节和字符进行操作会很方便；这样当我们需要处理基于字符的数据时，只需使用 Char8 模块中的操作即可。
你好，我对从 String 到 ByteString 编码数据所需的所有 Haskell 模块感到有点困惑，以实现高效写入。
我不明白你如何将 Data.ByteString.Lazy 转换为 Data.ByteString.Char8，反之亦然。
我需要知道什么？因为我无法获得所有这些可能的用法组合....
Data.ByteString,Data.ByteString.Lazy,Data.ByteString.Char8 ，然后是 Data.Text.....我需要什么才能轻松高效地将字符串写入文件，反之亦然？ （使用适当的编码）
P.S 目前正在阅读 Real World Haskell 我对所有这些模块感到很困惑。
这是路线图的截图。
字符串和文本
您可能知道，Haskell String 类型只是 [Char] 的类型同义词，其中 Char 是可以表示单个数据类型的数据类型Unicode 代码点。这使得 String 成为表示文本数据的完美数据类型，除了一个小问题——作为装箱 Char 值的链接列表——它可能效率极低。
text 包中的 Text 数据类型解决了这个问题。 Text 也像 String 一样表示 Char 值的列表，但它不是使用实际的 Haskell 列表，而是使用时间和 space-高效表示。当您需要高效地处理文本 (Unicode) 数据时，它应该是 String 的首选替代品。
与标准 Haskell 库中的许多其他数据类型一样，它有惰性变体和严格变体。两个变体具有相同的名称 Text，但它们包含在不同的模块中，因此您可以这样做：
import qualified Data.Text as TS
import qualified Data.Text.Lazy as TL
如果您需要在同一程序中同时使用 TS.Text 和 TL.Text 变体。
documentation for Data.Text 中描述了变体之间的确切区别。简而言之，您应该默认使用严格版本。您只在两种情况下使用惰性版本。首先，如果您打算一次处理一个较大的 Text 值，将其更像是文本 "stream" 而不是 "string"，那么惰性版本是好的选择。 （例如，读取一个巨大的 CSV 数字文件的程序可能会将该文件读取为一个长惰性 Text 流，并将结果存储在一个有效的数字类型中，例如 Vector 的未装箱 Double 值以避免将整个输入文本保留在内存中。）其次，如果您从许多小片段构建一个大的 Text 字符串，那么您不想使用严格版本，因为它们的不变性意味着每当您添加内容时都需要复制它们。相反，您希望将惰性变体与 Data.Text.Lazy.Builder.
字节串
另一方面，bytestring 包中的 ByteString 数据类型是字节列表的有效表示。就像 Text 是 [Char] 的高效版本一样，您应该将 ByteString 视为 [Word8] 的高效版本，其中 Word8 是 Haskell 类型，表示值为 0-255 的单个无符号数据字节。等效地，您可以将 ByteString 视为代表一块内存或一块要从文件中读取或写入文件的数据块，准确地说是一个字节接一个字节。它还具有懒惰和严格的风格：
import qualified Data.ByteString as BS
import qualified Data.ByteString.Lazy as BL
使用变体的注意事项与Text.
读取和写入文件
在 Haskell 程序中，通常在内部将 Unicode 字符串表示为 String 或 Text 值。但是，要从文件中读取它们或将它们写入文件，需要将它们编码为字节序列并从中解码。
处理此问题的最简单方法是使用 Haskell 自动处理编码和解码的函数。您可能知道，Prelude 中已经有两个函数可以直接读写字符串：
readFile :: FilePath -> IO String
writeFile :: FilePath -> String -> IO ()
此外，text中还有readFile和writeFile函数可以做到这一点。您可以在 Data.Text.IO 和 Data.Text.Lazy.IO 中找到版本。它们似乎具有相同的签名，但一个在严格 Text 类型上运行，另一个在惰性 Text 类型上运行：
readFile :: FilePath -> IO Text
writeFile :: FilePath -> Text -> IO ()
您可以看出这些函数正在自动进行编码和解码，因为它们 return 并接受 Text 值，而不是 ByteString 值。使用的默认编码将取决于操作系统及其配置。在典型的现代 Linux 发行版中，它将是 UTF-8。
或者，您可以使用 bytestring 包中的函数从文件读取或写入原始字节（同样，惰性或严格版本，具体取决于模块）：
readFile :: FilePath -> IO ByteString
writeFile :: FilePath -> ByteString -> IO ()
它们与 text 版本具有相同的名称，但您可以看到它们正在处理原始字节，因为它们 return 并接受 ByteString 参数。在这种情况下，如果您想将这些 ByteString 用作文本数据，则需要自己对它们进行解码或编码。例如，如果 ByteString 表示文本的 UTF-8 编码版本，那么来自 Data.Text.Encoding（对于严格版本）或 Data.Text.Lazy.Encoding（对于惰性版本）的这些函数就是您要的寻找：
decodeUtf8 :: ByteString -> Text
encodeUtf8 :: Text -> ByteString
Char8 模块
现在，Data.ByteString.Char8和Data.ByteString.Lazy.Char8中的模块是特例。当使用几种 "ASCII-preserving" 编码方案（包括 ASCII 本身、Latin-1 和其他 Latin-x 编码以及 UTF-8）中的一种对纯 ASCII 文本进行编码时，结果是编码的 ByteString只是 Unicode 代码点 0 到 127 的一个简单的每个字符一个字节的编码。更一般地说，当文本以 Latin-1 编码时，编码的 ByteString 只是一个简单的一个字节- Unicode 代码点 0 到 255 的每个字符编码。在这些情况下，并且仅在这些情况下，可以安全地使用这些模块中的函数来绕过显式编码和解码步骤，并将字节字符串视为 ASCII and/or Latin-1 文本直接通过自动将单个字节转换为 unicode Char 值并返回。
因为这些函数只在特定情况下有效，所以通常应避免使用它们，除非是在专门的应用程序中。
此外，正如评论中提到的，这些 Char8 模块中的 ByteString 变体与普通的严格和惰性 ByteString 变体没有任何不同；这些模块中的 函数 将它们视为 Char 值而不是 Word8 值的字符串——数据类型相同，只是功能界面不同
总攻略
因此，如果您使用纯文本和操作系统的默认编码，只需使用来自 Data.Text 的严格 Text 数据类型和来自 [=] 的（高效）IO 函数54=]。您可以使用惰性变体进行流处理或从小片段构建大字符串，并且可以使用 Data.Text.Read 进行一些简单的解析。
你应该可以在大多数情况下完全避免使用String，但是如果你发现你需要来回转换，那么Data.Text（或[=83]中的这些转换函数=]) 会有用：
pack :: String -> Text
unpack :: Text -> String
如果您需要对编码进行更多控制，您仍然希望在整个程序中使用 Text，但在 "edges" 处除外读取或写入文件。在这些边上，使用 Data.ByteString（或 Data.ByteString.Lazy）中的 I/O 函数，以及 Data.Text.Encoding 或 Data.Text.Lazy.Encoding 中的 encoding/decoding 函数。
如果您发现需要混合使用严格和惰性变体，请注意 Data.Text.Lazy 包含：
toStrict :: TL.Text -> TS.Text -- convert lazy to strict
fromStrict :: TS.Text -> TL.Text -- vice versa
和 Data.ByteString.Lazy 包含 ByteString 值的相应函数：
toStrict :: BL.ByteString -> BS.ByteString
fromStrict :: BS.ByteString -> BL.ByteString
这取决于您要处理的数据类型以及您打算如何处理这些数据。
如果您要处理 Unicode 字符串，请使用文本包中的 Text。
如果您不需要一次将所有数据读入内存，请使用该模块的 Lazy 版本。否则，整个数据将加载到一个数据结构中。
何时使用 Data.ByteString 或 Data.ByteString.Char8 取决于您希望字节串表示什么：字节序列或 8 位字符序列。 ByteString 是一种数据结构，可用于存储字节序列，每个字节的类型为：Word8 或 8 位字符的序列，每个字符的类型为：Char。只有一种 ByteString 类型。
因为我们经常处理混合了基于字符的数据的二进制数据，所以如果我们在不同的模块中分别对字节和字符进行操作会很方便；这样当我们需要处理基于字符的数据时，只需使用 Char8 模块中的操作即可。