golang——字符串与编码

1、字符编码

（1）ASCII码

一个字节表示的英文、数字、标点符号等字符。

国际标准ASCII码为0-127即128个字符，二进制最高位为0，其余为扩展ASCII码。

（2）GB2312

两字节，主要包含简体的常用中文及符号的字符集编码。

（3）GBK

单双字节变长编码，主要包含简体与繁体中文和一些符号、偏旁部首的字符集编码。

（4）GB18030

GBK编码无法满足需求扩展，多出来的部分使用四字节编码，即单、双、四字节编码；

扩展了汉字，还包括了少数民族文字；

（5）Unicode

因各国语言、字符差异，Unicode将所有字符统一为一套字符集。

UTF-8、UTF-16、UTF-32是对Unicode字符集的不同编码方案。

（6）UTF-8

变长编码方式，1-4字节表示一个字符，可节省存储空间；

英文1字节，中文一般3字节，最多4字节；

编码规则：

》单字节：同标准ASCII码，最高位为0，0-127表示128个字符

》多字节：n字节，高位到低位，第一字节前n位为1，第n+1位为0；后面字节前两位为10；剩余位由低位向高位填补Unicode吗，多出补0；

XXXXX XXXXXX

XXXX XXXXXX XXXXXX

2、字符串遍历

golang使用utf-8的编码方式

2.1、for循环遍历字符串

func main() {
	str := "test笃志弘毅"
	for i := 0; i < len(str); i++ {
		fmt.Printf("%v %c，", str[i], str[i])
	}
}
//116 t，101 e，115 s，116 t，231 ç，172 ¬，131 ƒ，229 å，191 ¿，151 —，229 å，188 ¼，152 ˜，230 æ，175 ¯，133 …，

　　以下标访问字符串时，按单字节（byte）访问，超出单字节的编码会出现乱码。

2.2、for range遍历字符串

func main() {
	str := "test笃志弘毅"
	for i, v := range str {
		fmt.Printf("%d-%c-%v ", i, v, v)
	}
}
//0-t-116 1-e-101 2-s-115 3-t-116 4-笃-31491 7-志-24535 10-弘-24344 13-毅-27589

　　for range遍历字符串时，按字符（rune）访问，中文正常显示

3、字符串转字符切片和字节切片的差异

func main() {
	str := "test笃志弘毅"
	runeS := []rune(str)
	for i := 0; i < len(runeS); i++ {
		fmt.Printf("%c-%v ", runeS[i], runeS[i])
	}
	fmt.Println()
	byteS := []byte(str)
	for i := 0; i < len(byteS); i++ {
		fmt.Printf("%c-%v ", byteS[i], byteS[i])
	}
}
//t-116 e-101 s-115 t-116 笃-31491 志-24535 弘-24344 毅-27589
//t-116 e-101 s-115 t-116 ç-231 ¬-172 ƒ-131 å-229 ¿-191 —-151 å-229 ¼-188 ˜-152 æ-230 ¯-175 …-133

4、字符串注意点

（1）字符串的零值为空串""，不是nil

func main() {
	var str string
	fmt.Println(str == "") //true
	//fmt.Println(str == nil)
	//invalid operation: str == nil (mismatched types string and nil)
	//无效操作（string和nil类型不匹配）
}

（2）索引访问或是切片得到的都是按字节处理，可能出现乱码

（3）len函数返回的是字节数，而不是字符数　　

func main() {
	str := "test笃志弘毅"
	fmt.Println(len(str))//16
}

（4）不能通过索引或指针修改字符串字符

func main() {
	str := "test笃志弘毅"
	str[2] = 'a'     //cannot assign to str[2]
	*(&str[2]) = 'b' // cannot take the address of str[2]
	fmt.Println(str)
}

（5）字符串的切片操作返回的是字符串，而不是切片

func main() {
	str := "test笃志弘毅"
	str1 := str[:]
	str2 := str[:]
	fmt.Printf("%T %p %p\n", str1, &str1, &str2)
}
//string 0xc0000581c0 0xc0000581d0