文字先说清编码

用 UTF-8 binary 保存中文，分清字节与字符。

01 · 先看完整例子

数一数“长安”

源码保存为 UTF-8；现代 Erlang 编译器能读取 Unicode 源码。

Erlang

Text = <<"长安"/utf8>>,

%% byte_size 数底层字节
Bytes = byte_size(Text),

%% 转成码点 list 后再数 Unicode 字符
Characters = length(unicode:characters_to_list(Text)),
{Bytes, Characters}.

先对照结果

得到 {6,2}。

02 · 回头拆代码

从第一行往下读

两个汉字按 UTF-8 共占 6 字节。
unicode:characters_to_list/1 得到两个码点。
底层协议看字节，面向读者的长度看字符。

03 · 认清新符号

符号不是暗号

<<Text/utf8>>

把 Unicode 码点按 UTF-8 放进 binary。

byte_size/1

计算 binary 中的字节数。

unicode:characters_to_list/1

把 Unicode 数据转为码点 list。

04 · 代码里的概念

把名字和意思对上

Unicode binary

按 UTF-8 等编码装入 binary 的文字字节。

charlist

由 Unicode 码点整数组成的 list，显示时常看起来像带双引号文字。

05 · 再说清楚

这些写法为什么有用

Erlang 的 binary 只是字节容器。写中文时明确 /utf8，读文件时也要知道字节采用什么编码。

byte_size/1 数字节。要按 Unicode 字符处理，可先使用 unicode 模块转换。

Erlang 生态中会同时遇到 charlist 与 UTF-8 binary。模块文档会说明函数期望哪一种。

06 · 自己改一次

合上答案，动手

把 <<" peach,plum ">> 去掉两端空格，再按逗号切开。

练习起点

Text = <<"  peach,plum  ">>,
Clean = string:____(Text),
string:split(Clean, ____, all).

目标结果： 得到 [<<"peach">>,<<"plum">>]。

卡住了，再看提示

先用 trim，分隔符也是 binary <<",">>。

运行过以后，再看一种答案

一种答案

Text = <<"  peach,plum  ">>,
%% string 模块可处理 UTF-8 binary
Clean = string:trim(Text),
string:split(Clean, <<",">>, all).

想一想：binary 是否天然知道里面装的是 UTF-8 文字？

不知道。binary 只是字节；编码约定来自写入方式、协议或调用者说明。

带走

记住三句

1
binary 与文字编码不是同一件事。
2
字节数与字符数可能不同。
3
模块边界要说明接受 binary 还是 charlist。

本课结束代码也跑过一次，就把这一课收好。