Go语言rune与字符串转换的密切关系解析

时间:2022-12-12 捶捶自己人气:0

介绍rune类型

golang中rune与字符串转换的密切关系

rune 类型是 Go 语言的一种特殊数字类型。在 builtin/builtin.go 文件中，它的定义是type rune = int32.官方对它是这么解释的：rune 是类型 int32 的别名，在所有方面都等价于它，用来区分字符值跟整数值.使用单引号定义 ,返回采用 UTF-8 编码的 Unicode 码点.Go 语言通过 rune 处理中文，支持国际化多语言。

为什么要给int32取一个别名rune呢，为什么不直接使用int32？

这是因为别名的使用在大型项目重构中作用最为明显，它能解决代码升级或迁移过程中可能存在的类型兼容性问题。在go语言中还有另外一个类型别名也是用来处理字符的，要知道在go语言中可没有char这个类型，因此对于字符的处理就要特别对待。

rune如何处理字符？

rune主要表示字符码点，特别在处理中文方面尤其有效。下面是例子

func main() {
   s := "我是一个gophers"
   fmt.Println(len(s))
   fmt.Println(len([]rune(s)))
}
运行结果:
19
11

通过对比我们可以发现中文字符每个占据3个字节，如果使用byte则需要三个不同的值，而使用rune刚好可以完整表达。

引出golang中关于字符串的说明

Go 源代码始终为 UTF-8。
字符串可以包含任意字节。
字符串文字中不包含字节级转义符时字符串始终包含有效的 UTF-8 序列。
代表 Unicode 码点的字节序列称为 rune。
在 Go 中不会保证字符串中的字符被规范化。

值得注意的地方

在前面已经提到过，golang中没有char这个概念，有的只是byte(uint8)单个字符的代表。因此要如何实现string呢？这个待会再讲。我们现在主要介绍string遍历过程中的问题。请看下面的例子

func main() {
   s := "我是一个gophers"
   for i, v := range s {
      fmt.Printf("第%d个值,类型为%T结果为:%v\n", i, v, string(v))
   }
   for i, v := range s {
      fmt.Printf("第%d个值,类型为%T结果为:%v\n", i, v, string(s[i]))
   }
}
运行结果:
第0个值,类型为int32结果为:我
第3个值,类型为int32结果为:是
第6个值,类型为int32结果为:一
第9个值,类型为int32结果为:个
第12个值,类型为int32结果为:g
第13个值,类型为int32结果为:o
第14个值,类型为int32结果为:p
第15个值,类型为int32结果为:h
第16个值,类型为int32结果为:e
第17个值,类型为int32结果为:r
第18个值,类型为int32结果为:s
-------------------------------------------
第0个值,类型为int32结果为:æ 
第3个值,类型为int32结果为:æ 
第6个值,类型为int32结果为:ä 
第9个值,类型为int32结果为:ä 
第12个值,类型为int32结果为:g
第13个值,类型为int32结果为:o
第14个值,类型为int32结果为:p
第15个值,类型为int32结果为:h
第16个值,类型为int32结果为:e
第17个值,类型为int32结果为:r
第18个值,类型为int32结果为:s

通过比对和循环我们可以得知,golang中对于string的循环,如果是中文则需要注意他的下标序号是以3为差值，字符是以1为差值.通过s[i]和v的比对可以知道为什么golang中需要选择rune作为字符串的转换值.如果转化是一个中文的话,一个字节的byte是无法容纳的,而rune解决了这个问题.

介绍string类型

关于string类型，在go标准库builtin中有如下说明:

// string is the set of all strings of 8-bit bytes, conventionally but not
// necessarily representing UTF-8-encoded text. A string may be empty, but
// not nil. Values of string type are immutable.
type string string

也就是说：string是8位字节的集合，通常但不一定代表UTF-8编码的文本.string可以为空，但是不能为nil.string的值是不能改变的. 而在go语言的源码中我们可以看到string的构成:

type stringStruct struct {
   str unsafe.Pointer
   len int
}

stringStruct就是string的一个对象,这个str就是一个指向字符数组首位的一个指针.len就是这个字符串的长度.那么这个数组指的是什么呢？其实就是一个[]byte,string内部就是通过这个字符切片组成的。而这个str就是指向了这个切片的首地址.因此也解释了一个现象,为什么[]byte中的值可以被修改,而string中的值无法被修改.也正因如此copy内置函数才可以将string类型复制为[]byte类型.

字符串的值不能被更改,但可以被替换. string在底层都是结构体stringStruct{str: str_point, len: str_len},string结构体的str指针指向的是一个字符常量的地址,这个地址里面的内容是不可以被改变的,因为它是只读的,但是这个指针可以指向不同的地址.

为什么替换字符时string比[]byte效率慢?

由于每次替换string的值时,string的str指针无法进行改变指向,因此程序内部就需要去新开辟一个指针指向新的[]byte,然后先前分配的string内存就会被GC所回收.这是导致string相较于[]byte操作低效的根本原因.

思考string、byte、rune之间的关系

Go语言把字符分 byte 和 rune 两种类型处理.byte 是类型 unit8 的别名,用于存放占 1 字节的 ASCII 字符,如英文字符,返回的是字符原始字节.rune 是类型 int32 的别名,用于存放多字节字符,如占 3 字节的中文字符,返回的是字符 Unicode 码点值.

总结

string无法进行修改,只能进行替换
string底层由一个指针指向[]byte
rune主要用来表示码点并处理大于1字节小于4个字节的特殊字符
中文字符每个码点占据多个字节,并且在string循环中通过rune表示

加载全部内容