第 24 章 卷四 文本与结构化数据：导言

本章导读

卷四回答"程序怎么处理非代码的任意数据"。它分两段：前半（第 25~29 章）是文本与字节的基础设施——字符串的视图与构建器、数字的严格解析与格式化、字符集与 Unicode、编解码三件套、压缩；后半（第 31 章起）是结构化数据——动态值、JSON、XLON、逐行格式（JSONL/XLONL）、模板与正则。前半是后半的地基：解析器用字符串族切词、用数值族转数、用字符集族处理多语言、用资源边界防炸弹——每一章都会在后半被点名回收。

一条主线：边界的严格性

比"会用了什么函数"更重要的是卷四反复出现的同一条主线：边界的严格性。数字解析要么全对要么失败（第 26 章）、转码默认 STRICT（第 27 章）、解码不留半截结果（第 28 章）、解压设上限（第 29 章）——四个模块、同一个哲学：模糊的宽容在边界上是隐患，显式的失败才是契约。这不是偶然的风格统一：文本与字节是程序与外部世界的接触面，攻击（注入、炸弹、编码陷阱）与事故（截断、漂移、错位）都从边界进来。读完卷四前半，你写出的每个"吃外部数据"的函数都应该自然带上这套严格性——那是本卷最想留下的肌肉记忆。

前半五章的一条快捷记忆

如果只能带走一句话，带走这条："视图不分配、严格不过夜、边界不宽容、膨胀先算账、解压设上限"——五章各占一个短语。第 25 章的视图让文本操作免于复制；第 26 章的严格让杂质当天暴露；第 27/28 章的边界纪律让编码陷阱与半截结果进不来；第 28 章的容量公式让膨胀可预算；第 29 章的上限让炸弹炸不动。五个短语覆盖了前半卷的全部坑位——面试、评审、写代码时都可以直接引用。

三级跳：字节 → 文本 → 结构

卷四的知识栈可以概括为三级跳。第一级：字节与文本的互转——视图（第 3 章）是货币、字符串族（第 25 章）是操作、编码（第 27/28 章）是边界翻译。第二级：文本与数值的互转——解析与格式化（第 26 章），严格性在这里定型。第三级：文本与结构的互转——后半卷的 JSON/XLON 把字符流变成值树，模板把值树变回文本。每一级都建立在前一级的地基上，跳级使用（比如直接上手 JSON 而不懂视图与严格解析）会在调试时付出理解成本。

阅读建议与检验

按序通读是本卷的最佳路径——三级跳的顺序就是章节顺序，跳过任何一级都会在后半卷的调试里补票。已熟悉 C 文本处理的读者可以快进第 25 章，但在第 26/27 章的严格性哲学处停下细读（它与多数人带过来的标准库习惯相反）。离开本卷前自测五问：视图与拥有式字符串什么时候各用哪个？严格解析为什么比 atoi 的宽容更安全？三种计量（字节/单元/标量）在什么场景必须区分？Base64 与 Percent 各自的通道是什么？解压为什么必须设上限？五问顺畅，卷四前半过关，后半的结构化数据在前方等你——那时你会发现 JSON 解析器的每一层都写着本卷的函数名。

本卷知识地图

一张膨胀与成本的直觉表

前半五章的"账本直觉"可以合并成一张小表：视图操作零分配（第 25 章）、严格解析零意外（第 26 章）、转码输出大小可笔算（第 27 章）、编码膨胀有公式（第 28 章：33%/100%/≈0%）、压缩有固定开销（第 29 章：约 18 字节容器）——每一章都把"成本"从猜测变成算术。合起来读：卷四前半是一套把文本处理的隐式成本全部显式化的工具箱，你永远知道每一步付出什么、为什么付出。

三类读者三种走法

应用开发者（主要写业务）：精读第 25/26 章——字符串与数值是每天要用的；27/28/29 章理解哲学即可，函数用时查速查表。协议与基础设施开发者：全部精读——你写的每一层都在本卷的函数上运行，严格性与性能观直接影响你设计的接口形状。从动态语言迁移来的读者：先调整两个预期——C 的字符串不是对象而是视图+约定（第 3 章），"数字转字符串"没有隐式魔法只有显式的解析与格式化（第 26 章）；调整之后本卷的 API 会显得格外规整——因为它们把动态语言运行时里隐式做的事全部显式化了。

性能观：本卷不追求微优化

卷四的函数大多运行在数据边界（解析入口、协议出口、展示层），它们的性能特性遵循一个规律：边界操作的次数远小于数据操作的次数——配置解析一次、请求头解析每请求一次，而其触发的业务处理可能执行百万次。因此本卷的优化重点是"不做不必要的分配"（视图管线、构建器）而非微优化每个函数；真正的高频文本处理（协议流）会在卷七看到流式形态的专门设计。把优化精力投在正确的层——这是卷四与卷三（容器才是热路径常客）在性能观上的分工。

与前后卷的衔接

向前衔接：卷一的错误模型（第 4 章）承载本卷全部失败路径——本卷每个"整体失败"的背后都是错误槽在记录类别与位置；内存体系（第 5/7 章）承载字符串与缓冲的归属——拥有式产物与视图借用的分工是卷一所有权语言在文本层的落地；资源边界（第 3 章）在本卷两次上岗（解压上限、解析边界）。向后衔接：第 30 章的动态值用本卷数值与编码打底——浮点的最短往返直接成为 JSON 序列化的默认输出策略；卷九 HTTP 的头解析、内容编码、URL 处理是本卷全家桶的协议级汇演，届时回头翻本卷速查表的频率会出乎你的意料。文本是数据世界的通用语——本卷学的不是"几个字符串函数"，是这门通用语的语法与它的安全守则，语法让数据流动，守则让流动不出事。