Go探索-String

字符

字符梗概

• ASCII字符集 → (GB2312，BIG5，GBK...) → unicode通用字符集 → utf-8 ,

  • ascii子符集，一个符号对应一个数字编号，数字编号即可以二进制形式表示这个字符
  • GB2312，BIG5，GBK等编码 ，是各个语言以自己国家语言为标准制定的字符编码规则
  • unicode，unicode 学术学会制作的全球统一化的通用字符集
    
    ，实现了跨语言、跨平台的文本转换与处理
  • utf-8，是一种变长编码与解码规则，ascii 字符集及其他常用字符集编码与解码用一个字节表示，而汉字编码与解码由 3 个字节表示

• 关系

  • ascii 编码，表示 128 个英文字符与二进制间的关系，gbk
    
    编码是汉字编码，一个 ascii 字符由 1 个字节组成，一个汉字由多个字符组成；utf8
  • unicode 规定了不同字符在二进制上的表示形式，但是并没有规定改如何存储，有些需要 3 个字符，有些需要 2 个字符，想 a 这种字符，ascii 用一个字节就能表示，但是在 unicode 中会用 2 个字节，空间浪费
  • utf-8 解决 unicode 编码存储问题，它是一种变长的编码方式，ascii 码表里的字符仍然用一个字节来存储，一个汉字用 3 个字节来存储

• 编码/解码模板

  编号	编码模板
  [0,127]	0???????
  [128,2047]	110????? 10??????
  [2048,65535]	1110???? 10?????? 10??????

  

string

type StringHeader struct {
	Data uintptr
	Len  int
}

• Data 存储的是数据，存储在只读内存中的，不能对已经定义的字符串进行修改

• Len 表示存储数据占用的字节(byte)数，例eggo世界
  
  占用 10 个字节，前 4 个字母对应一个 unicode 码点，世由 utf8 编码后由 3 个 unicode 表示，界同理

  

• 示例

package main

import (
	"fmt"
)

/**
值类型：打印地址，直接用取值符(&)打印。
引用类型：打印地址，%p 打印
*/
func main() {
	s1 := "eggo世界"
	fmt.Printf("%c\n", s1[2]) // 字符串底层是只读的字节数组，可以通过索引获取值
	fmt.Printf("s1: addr=%v,value=%v \n", &s1, s1)
	fmt.Printf("s1: addr=%p\n", &s1)

	bs := ([]byte)(s1) // 重新分配内存，并拷贝s1的内容到[]byte切片中
	bs[2] = 'o'
	fmt.Printf("%c\n", bs[2])
	// [101 103 111 111 228 184 150 231 149
	// 140]，228和184和150共同组成了世，231和149和140 共同组成了界
	fmt.Printf("bs: value=%v \n", bs)
	fmt.Printf("bs: addr=%p \n", bs)
}

• 引用