Rustの文字列を極める: String vs &strとUTF-8

Rustの文字列（Strings）は初学者が最もつまずきやすい概念の1つです。なぜRustには String と &str の2種類が存在するのか？ なぜ s[0] のようにインデックスで直接アクセスできないのか？ 文字列の内部構造を理解することで、Rustがメモリ安全性と国際的なUTF-8の正確性をどのように保証しているかが明確になります。

10歳でもわかる説明：リングノート vs 透明な栞（しおり）#

テキストの扱い方を2つの道具に例えてみます：

1. String (ページを追加できるリングノート): 自分の机の上にある実体のノート（Heapメモリ）。新しい文を書き加えたり、消したり、白紙ページを追加（mut）したり、ノート自体を人に譲渡（所有権の移動）できます。
2. &str (文字の上に置く透明な栞): 図書館の本や他人のノートの特定行の上に重ねて置く透明なプラスチックの栞。紙を所有したりコピーしたりすることなく、下の文字をそのまま読み取ることができます。

graph TD
    subgraph HeapMemory ["ヒープメモリ領域"]
        StringBuf["String バッファ (ヒープ上のUTF-8バイト列)"]
    end
    subgraph StackVariables ["スタック上の変数"]
        StringObj["String 構造体<br/>[ ptr | len | capacity ]"] -->|所有するデータを参照| StringBuf
        StrSlice["&str スライス<br/>[ ptr | len ]"] -->|データを借用して参照| StringBuf
        LiteralStr["静的文字列 static str<br/>[ ptr | len ]"] -->|バイナリ内の静的文字列を参照| ReadOnlyData["読み取り専用セグメント (.rodata)"]
    end

String と &str の根本的な違い#

文字列の生成と操作#

fn main() {
    // 1. String の生成
    let mut greeting = String::from("Hello");

    // 2. 文字およびスライスの追加
    greeting.push(' ');          // 単一の char を追加
    greeting.push_str("world!"); // 文字列スライスを追加
    println!("{greeting}");

    // 3. + 演算子による結合
    let s1 = String::from("Hello, ");
    let s2 = String::from("Rust!");
    let s3 = s1 + &s2; // s1 の所有権が移動し、s1 は使用不能になる
    println!("{s3}");

    // 4. format! マクロによる安全な文字列結合（所有権を消費しない）
    let part1 = "tic";
    let part2 = "tac";
    let part3 = "toe";
    let game = format!("{part1}-{part2}-{part3}");
    println!("{game}");
}

[!NOTE] s1 + &s2 の + 演算子は fn add(self, s: &str) -> String というシグネチャを呼び出します。s1 の所有権を受け取り、s2 の内容をコピーして末尾に追加したバッファを返します。

なぜ直接のインデックスアクセス (s[0]) が禁止されているのか？#

多くのプログラミング言語では s[0] で先頭の文字を取得できますが、Rustではコンパイルエラーになります：

let s = String::from("hello");
// let h = s[0]; // ❌ コンパイルエラー: the type `String` cannot be indexed by `{integer}`

UTF-8 エンコーディングの理由#

Rustの文字列は常に有効なUTF-8バイト列です。UTF-8ではUnicode文字によってバイト長が1〜4バイトに変動します：

graph LR
    subgraph English ["英語: 'Hello' (1文字1バイト)"]
        H["'H' [0x48]"] --- E["'e' [0x65]"] --- L1["'l' [0x6C]"] --- L2["'l' [0x6C]"] --- O["'o' [0x6F]"]
    end
    subgraph Japanese ["日本語: 'こんにちは' (1文字3バイト)"]
        J1["'こ' [0xE3, 0x81, 0x93]"] --- J2["'ん' [0xE3, 0x82, 0x93]"]
    end
    subgraph Emoji ["絵文字: '🦀' (4バイト)"]
        Crab["'🦀' [0xF0, 0x9F, 0xA6, 0x80]"]
    end

もし s[0] を許可してしまうと、マルチバイト文字（日本語の「こ」など）の先頭1バイト（0xE3）だけが取り出され、無意味で壊れたデータになってしまいます。また、$N$ 番目の文字を探すために先頭から $O(N)$ の走査が必要になるため、Rustのゼロコスト抽象化の原則にも反します。

文字列の走査: バイトと文字#

安全に文字列を検査するため、走査する単位を明示的に指定します：

fn main() {
    let word = "こんにちは 🦀";

    // 1. Unicodeスカラ値（文字）単位で走査
    println!("--- 文字 (chars) ---");
    for c in word.chars() {
        println!("{c}");
    }

    // 2. 生のUTF-8バイト単位で走査
    println!("--- バイト (bytes) ---");
    for b in word.bytes() {
        print!("{b:02X} ");
    }
    println!();
}

文字列スライスの安全性と注意点#

範囲指定でスライスを作成できますが、範囲の境界は必ずUTF-8文字の正しい境界に位置していなければなりません：

fn main() {
    let hello = "Здравствуйте";
    
    // キリル文字は1文字2バイト
    let s = &hello[0..4]; // 先頭2文字（4バイト）を取得 -> "Зд"
    println!("{s}");

    // ❌ 文字の途中で分割すると実行時パニックが発生:
    // let invalid = &hello[0..1]; // byte index 1 is not a char boundary
}

[!WARNING] 国際化テキストを扱う場合は、手動のバイト範囲スライスを避け、.chars().take(n) などのイテレータを使用することを推奨します。

関数の引数には &str を使用する慣例#

文字列を読み取るだけの関数を定義する場合、引数には &String ではなく &str を受け取るのがRustの標準的なプラクティスです：

// Deref型強制により &String と &str の両方を受け取れる
fn print_length(text: &str) {
    println!("長さ: {} バイト", text.len());
}

fn main() {
    let owned = String::from("Rustacean");
    let literal = "Rustacean";

    print_length(&owned);   // &String から &str へ自動変換
    print_length(literal);  // &str を直接渡す
}

まとめ#

• String はヒープに確保され、伸縮可能な所有権を持つUTF-8バッファ。
• &str はUTF-8データを参照する不変のスライス（借用ビュー）。
• UTF-8文字は1〜4バイト可変長であるため、整数インデックス s[0] は禁止。
• 文字走査には .chars()、生バイト走査には .bytes() を使い分ける。
• 関数の引数には &str を指定することで、柔軟性とゼロコストを実現。

参考資料#

• The Rust Programming Language - Storing UTF-8 Encoded Text with Strings ↗
• Rust by Example - Strings ↗
• Standard Library String Documentation ↗