文章目录

  • Go - 字符串
  • 字节数
  • 字符串操作
  • 字符串字面量
  • Unicode
  • UTF-8
  • 其他类型与字符串类型之间的相互转换
  • `[]byte` <=> string
  • `[]rune` <=> string


Go - 字符串

一个字符串是一个不可改变的字节序列，它是一个只读的字节数组，因此使用len()函数时，获取的是字符串字节数，而不是字符的个数。

Go中字符串的关键点描述：

  • 字符串是一个只读的字节数组，它的每一个元素都不可修改。（虽然是字节数组，长度也是固定的，但字符串长度并不是字符串类型的一部分）
  • for range等语法并不能支持非UTF8编码的字符串的遍历。

Go语言字符串的底层结构在reflect.StringHeader中定义：

type StringHeader struct {
	Data uintptr
	Len int
}

字符串其实是一个结构体，因此字符串的赋值操作也就是reflect.StringHeader结构体的复制过程，并不会涉及底层字节数组的复制。

字符串虽然不是切片，但是支持切片操作，不同位置的切片底层访问的是同一块内存数据（因为字符串是只读的，所以相同的字符串面值常量通常对应同一个字符串常量）。

字节数

在Go语言中，内置的 len 函数返回的是字符串的字节数，而不是文字符号的数目。而下标访问操作 s[i] 则取得第i个字符，其中 0<=i<len(s)。

注意：字符串的第 i 个字节不一定就是第 i 个字符，因为非 ASCII 字符的 UTF-8 码点需要两个字节或多个字节。

如果需要字符串的字符长度，则应该使用unicode/utf8包的RuneCountInString函数。此函数将返回正确的字符数，而不考虑用于存储每个字符的字节数。

asciiString := "abcde"
utf8String := "中国人"
//输出字节长度
fmt.Println(len(asciiString))	//输出：5
fmt.Println(len(utf8String))	//输出：9
// 获取字符长度
fmt.Println(utf8.RuneCountInString(asciiString)) //输出：5
fmt.Println(utf8.RuneCountInString(utf8String))	 //输出：3

字符串操作

s[i:j]：按照原字符串的字节的下标方式来产生新字符串，下标从i（含边界值）开始，直到j（不含边界值），结果的大小为j-i个字节。在使用时，如果省略了i或者j，则取其默认值，操作数i的默认值为字符串的起始位置，值为0；操作数j的默认值为字符串的终止位置，值为len(s)。

字符串字面量

字符串字面量指的是形式上带双引号的字节序列，简单点理解就是一个带双引号的字符串。

Go的源文件总是按UTF-8编码，Go的字符串也会按UTF-8解读，因此在源码中，可以直接将Unicode码点写入到字符串字面量中。

字符串字面量中的常用转义符：

\a      响铃
\b      退格
\f      换页
\n      换行
\r      回车
\t      制表符
\v      垂直制表符
\'      单引号（只用在 '\'' 形式的rune符号面值中）
\"      双引号（只用在 "..." 形式的字符串面值中）
\\      反斜杠

原生的字符串字面量的书写形式是`…`，使用反引号而不是双引号。

在原生的字符串字面量中，转义符不起作用。并且人为的回车后，在处理时会删除回车符（换行符会保留），因此可以将字符串字面量展开多行显示。

Unicode

Unicode囊括了世界上所有文书体系的全部字符。每一个字符都对应一个叫Unicode码点的标准数字。在Go的术语中，这些字符记号称为文字符号（rune）。

源代码中的文本字符串通常被解释为采用UTF8编码的Unicode码点（rune）序列。

Go使用rune类型的值来表示Unicode值。通常，一个符文代表一个字符。（当然也有例外）

Go支持将字符串转换为rune值的切片，并将符文切片转换回字符串。要使用部分字符串，应该将它们转换为rune值的切片，而不是byte值的切片。这样，你就不会意外地抓取符文的部分字节。

asciiString := "abcde"
utf8String := "中国人"
//将字符串转换为rune切片
asciiRunes := []rune(asciiString)
utf8Runes := []rune(utf8String)
//获取每个切片的前几个字符
asciiPartial := asciiRunes[3:]
utf8Partial := utf8Runes[2:]
fmt.Println(string(asciiPartial)) //输出：de
fmt.Println(string(utf8Partial))  //输出：人

UTF-8

其他类型与字符串类型之间的相互转换

[]byte <=> string

[]byte 转换成string：

string([]byte{72,101})

string转换为[]byte：

[]byte("hello")

[]rune <=> string

string转[]rune：

[]rune("世界")

因为底层内存结构的差异，所以字符串到[]rune的转换必然会导致重新分配[]rune内存空间，然后依次解码并复制对应的Unicode码点值。

[]rune转string：

string([]rune{'世','界'})

同样因为底层内存结构的差异，[]rune到字符串的转换也必然会导致重新构造字符串。

【关于字符串与字节数组和rune数组之间转换的内存影响，见《Go高级编程》的1.3字符串部分】

todo: Head Frist Go语言程序设计，附录B中的“更多关于符文的信息部分”