Go string 一清二楚

前言

字符串（string）作为 go 语言的基本数据类型，在开发中必不可少，我们务必深入学习一下，做到一清二楚。

本文假设读者已经知道切片（slice）的使用，如不了解，可阅读 Go 切片基本知识点

是什么

In Go, a string is in effect a read-only slice of bytes.

在 go 语言中，字符串实际上是一个只读的字节切片，其数据结构定义如下：

// runtime/string.go

type stringStruct struct {

	str unsafe.Pointer	// 指向底层字节数组的指针

	len int				// 字节数组的长度

}

注意：byte 其实是 uint8 的类型别名

// byte is an alias for uint8 and is equivalent to uint8 in all ways. It is

// used, by convention, to distinguish byte values from 8-bit unsigned

// integer values.

type byte = uint8

怎么用

func main() {

	// 使用字符串字面量初始化

	var a = "hi,狗"

	fmt.Println(a)

	// 可以使用下标访问，但不可修改

	fmt.Printf("a[0] is %d\n", a[0])

	fmt.Printf("a[0:2] is %s\n", a[0:2])

	// a[0] = 'a' 编译报错，Cannot assign to a[0]

    // 字符串拼接

	var b = a + "狗"

	fmt.Printf("b is %s\n", b)

	// 使用内置 len() 函数获取其长度

	fmt.Printf("a's length is: %d\n", len(a))

	// 使用 for;len 遍历

	for i := 0; i < len(a); i++ {

		fmt.Println(i, a[i])

	}

	// 使用 for;range 遍历

	for i, v := range a {

		fmt.Println(i, v)

	}

}

/* output

hi,狗

a[0] is 104

a[0:2] is hi

b is hi,狗狗

a's length is: 6

0 104

1 105

2 44

3 231

4 139

5 151

0 104

1 105

2 44

3 29399

*/

如果读者在看上面的代码时有疑惑，不用着急，下文将会挨个解读。

只读

字符串常量会在编译期分配到只读段，对应数据地址不可写入，相同的字符串常量不会重复存储

func main() {

	var a = "hello"

	fmt.Println(a, &a, (*reflect.StringHeader)(unsafe.Pointer(&a)))

	a = "world"

	fmt.Println(a, &a, (*reflect.StringHeader)(unsafe.Pointer(&a)))

	var b = "hello"

	fmt.Println(b, &b, (*reflect.StringHeader)(unsafe.Pointer(&b)))

}

/* output

字符串字面量 该变量的内存地址 底层字节切片

hello 0xc0000381f0 &{5033779 5}

world 0xc0000381f0 &{5033844 5}

hello 0xc000038220 &{5033779 5}

*/

可以看到 hello 在底层只存储了一份

for;len 遍历

go 的源代码都是 UTF-8 编码格式的，上例中的”狗“字占用三个字节，即 231 139 151（Unicode Character Table），所以上例的运行结果很清楚。

于此同时，也可以将字符串转化为字节切片

func main() {

	var a = "hi,狗"

	b := []byte(a)

	fmt.Println(b)	// [104 105 44 231 139 151]

}

for;range 遍历

The Unicode standard uses the term "code point" to refer to the item represented by a single value.

在 Unicode 标准中，使用术语 code point 来表示由单个值表示的项，通俗点来说，U+72D7（十进制表示为 29399）代表符号 ”狗“

"Code point" is a bit of a mouthful, so Go introduces a shorter term for the concept: rune.

code point 有点拗口，所以在 go 语言中专门有一个术语来代表它，即 rune

注意：rune 其实是 int32 的类型别名

// rune is an alias for int32 and is equivalent to int32 in all ways. It is

// used, by convention, to distinguish character values from integer values.

type rune = int32

在对字符串类型进行 for;range 遍历时，其实是按照 rune 类型来解码的，所以上例的运行结果也很清晰。

与此同时，也可以将字符串转化为 rune 切片

func main() {

	// 使用字符串字面量初始化

	var a = "hi,狗"

	r := []rune(a)

	fmt.Println(r) // [104 105 44 29399]

}

当然我们也可以使用 "unicode/utf8" 标准库，手动实现 for;range 语法糖相同的效果

func main() {

	var a = "hi,狗"

	for i, w := 0, 0; i < len(a); i += w {

		runeValue, width := utf8.DecodeRuneInString(a[i:])

		fmt.Printf("%#U starts at byte position %d\n", runeValue, i)

		w = width

	}

}

/* output

U+0068 'h' starts at byte position 0

U+0069 'i' starts at byte position 1

U+002C ',' starts at byte position 2

U+72D7 '狗' starts at byte position 3

*/

参考

Strings, bytes, runes and characters in Go

为什么说go语言中的string是不可变的？

字符咋存？utf8咋编码？string啥结构？