聊聊 Go 語言中的字符表示與字符串遍歷

和其餘語言不一樣，在 Go 語言中沒有字符類型，字符只是整數的特殊用例。

爲何說字符只是整數的特殊用例呢？由於在 Go 中，用於表示字符的 byte 和 rune 類型都是整型的別名。在 Go 的源碼中咱們能夠看到：

// 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

// 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
複製代碼

• byte 是 uint8 的別名，長度爲 1 個字節，用於表示 ASCII 字符
• rune 是 int32 的別名，長度爲 4 個字節，用於表示以 UTF-8 編碼的 Unicode 碼點

Tips：Unicode 從 0 開始，爲每一個符號指定一個編號，這叫作「碼點」（code point）。

字符的表示

那麼，如何在 Go 語言中表示字符呢？

在 Go 語言中使用單引號包圍來表示字符，例如 'j'。

byte

若是要表示 byte 類型的字符，可使用 byte 關鍵字來指明字符變量的類型：

var byteC byte = 'j'
複製代碼

又由於 byte 實質上是整型 uint8，因此能夠直接轉成整型值。在格式化說明符中咱們使用 %c 表示字符，%d 表示整型：

// 聲明 byte 類型字符
var byteC byte = 'j'
fmt.Printf("字符 %c 對應的整型爲 %d\n", byteC, byteC)
// Output: 字符 j 對應的整型爲 106
複製代碼

rune

與 byte 相同，想要聲明 rune 類型的字符可使用 rune 關鍵字指明：

var runeC rune = 'J'
複製代碼

但若是在聲明一個字符變量時沒有指明類型，Go 會默認它是 rune 類型：

runeC := 'J'
fmt.Printf("字符 %c 的類型爲 %T\n", runeC, runeC)
// Output: 字符 J 的類型爲 int32
複製代碼

爲何須要兩種類型？

看到這裏你可能會問了，既然都用於表示字符，爲何還須要兩種類型呢？

咱們知道，byte 佔用一個字節，所以它能夠用於表示 ASCII 字符。而 UTF-8 是一種變長的編碼方法，字符長度從 1 個字節到 4 個字節不等。byte 顯然不擅長這樣的表示，就算你想要使用多個 byte 進行表示，你也無從知曉你要處理的 UTF-8 字符究竟佔了幾個字節。

所以，若是你在中文字符串上狂妄地進行截取，必定會輸出亂碼：

testString := "你好，世界"
fmt.Println(testString[:2]) // 輸出亂碼，由於截取了前兩個字節
fmt.Println(testString[:3]) // 輸出「你」，一箇中文字符由三個字節表示
複製代碼

此時就須要 rune 的幫助了。利用 []rune() 將字符串轉爲 Unicode 碼點再進行截取，這樣就無需考慮字符串中含有 UTF-8 字符的狀況了：

testString := "你好，世界"
fmt.Println(string([]rune(testString)[:2])) // 輸出：「你好」
複製代碼

Tips：Unicode 和 ASCII 同樣，是一種字符集，UTF-8 則是一種編碼方式。

遍歷字符串

字符串遍歷有兩種方式，一種是下標遍歷，一種是使用 range。

下標遍歷

因爲在 Go 語言中，字符串以 UTF-8 編碼方式存儲，使用 len() 函數獲取字符串長度時，獲取到的是該 UTF-8 編碼字符串的字節長度，經過下標索引字符串將會產生一個字節。所以，若是字符串中含有 UTF-8 編碼字符，就會出現亂碼：

testString := "Hello，世界"

for i := 0; i < len(testString); i++ {
	c := testString[i]
	fmt.Printf("%c 的類型是 %s\n", c, reflect.TypeOf(c))
}

/* Output: H 的類型是 uint8（ASCII 字符返回正常） e 的類型是 uint8 l 的類型是 uint8 l 的類型是 uint8 o 的類型是 uint8 ï 的類型是 uint8（從這裏開始出現了奇怪的亂碼） ¼ 的類型是 uint8 Œ 的類型是 uint8 ä 的類型是 uint8 ¸ 的類型是 uint8 – 的類型是 uint8 ç 的類型是 uint8 • 的類型是 uint8 Œ 的類型是 uint8 */
複製代碼

range

range 遍歷則會獲得 rune 類型的字符：

testString := "Hello，世界"

for _, c := range testString {
	fmt.Printf("%c 的類型是 %s\n", c, reflect.TypeOf(c))
}

/* Output: H 的類型是 int32 e 的類型是 int32 l 的類型是 int32 l 的類型是 int32 o 的類型是 int32 ， 的類型是 int32 世 的類型是 int32 界 的類型是 int32 */
複製代碼

總結

• Go 語言中沒有字符的概念，一個字符就是一堆字節，它多是單個字節（ASCII 字符集），也有多是多個字節（Unicode 字符集）
• byte 是 uint8 的別名，長度爲 1 個字節，用於表示 ASCII 字符
• rune 則是 int32 的別名，長度爲 4 個字節，用於表示以 UTF-8 編碼的 Unicode 碼點
• 字符串的截取是以字節爲單位的
• 使用下標索引字符串會產生字節
• 想要遍歷 rune 類型的字符則使用 range 方法進行遍歷

參考資料

• 阮一峯: Unicode 與 JavaScript 詳解
• The Go Blog - Strings, bytes, runes and characters in Go

相關閱讀

• 認識 Go 語言中的數組

---

若是你以爲文章寫得不錯，請幫我兩個小忙：

1. 點贊並關注我，讓這篇文章被更多人看到
2. 關注公衆號「編程拯救世界」，你將第一時間得到新文章的推送

你的鼓勵是我創做最大的動力，感謝你們！