Go系列 string、bytes、rune的區別

計算機如何表示字符

計算機是二進制的，字符最終也是轉換成二進制保存起來的。字符集就是定義字符對應的數值。 Unicode是一個字符集，爲每一個字符規定一個用來表示該字符的數字，可是並無規定該數字的二進制保存方式，utf8規定了對於unicode值的二進制保存方式。

utf8是可變長度字符編碼，不一樣的字符會對應不一樣大小的存儲方式，好比"a"字符(unicode值97)用1個字節，而"中"字符(unicode值20013）則用3個字節。字符的unicode值決定了字符須要用多少字節表示

什麼是string?

Go語言中，string就是隻讀的採用utf8編碼的字節切片(slice) 所以用len函數獲取到的長度並非字符個數，而是字節個數。 for循環遍歷輸出的也是各個字節。

a := "Randal";
for i := 0; i < len(a); i++ {
 fmt.Printf("%x ", a[i])
 fmt.Printf("%c ", a[i])
}
// 輸出結果
52 61 6e 64 61 6c
Randal
複製代碼

a := "中國";
fmt.Println(len(a))
for i := 0; i < len(a); i++ {
 fmt.Printf("%x ", a[i])
}
for i := 0; i < len(a); i++ {
 fmt.Printf("%c ", a[i])
}

// 輸出結果
6
E4 B8 AD E5 9B BD
中å½
複製代碼

fmt.Printf函數支持從一個表達式列表生成格式化的輸出，它的第一個參數是格式化指示字符串，由它指定其餘參數如何格式化。其中%c，用於輸出字符(Unicode碼點)，碼點是字符的unicode值。 因爲go採用的是utf8編碼，而「中」的utf8編碼是E4 B8 AD（所表示的unicode值是U+4E2D)， https://unicode-table.com/en/00E4/ 經過這個連接能夠看到ä的unicode編碼就是U+00E4。

從上面的例子中能夠看出當字符的utf8編碼超過1個字節的時候格式化輸出單個字符就會出現亂碼的狀況，若是但願解決亂碼問題就要用到rune了

什麼是rune？

rune是int32的別名，表明字符的Unicode編碼，採用4個字節存儲，將string轉成rune就意味着任何一個字符都用4個字節來存儲其unicode值，這樣每次遍歷的時候返回的就是unicode值，而再也不是字節了，這樣就能夠解決亂碼問題了

var s string
   s = "中國"
   r := []rune(s)
   for i := 0; i < len(r); i++ {
     fmt.Printf("%x", r[i])
   }
   for i := 0; i < len(r); i++ {
     fmt.Printf("%c", r[i])
   }
  // 輸出結果
  4e2d 56fd
  中國
複製代碼

經過for range對字符串進行遍歷時，每次獲取到的對象都是rune類型的，所以下面的方式也能夠解決亂碼問題

var s string
   s = "中國"
   for _, item := range s {
     fmt.Printf("%c", item)
   }
  // 輸出結果
  中國
複製代碼

什麼是bytes

bytes操做的對象也是字節切片，與string的不可變不一樣，byte是可變的，所以string按增量方式構建字符串會致使屢次內存分配和複製，使用bytes就不會於是更高效一點

package main
 import (
   "fmt"
   "bytes"
 )
 func main() {
   var s string
   s = "中國"
   var b bytes.Buffer
   b.WriteString("中國")
   for i := 0; i < 10; i++ {
     s += "a"
     b.WriteString("a")
   }
   fmt.Println(s)
   fmt.Println(b.String())
 }
複製代碼

參考資料與工具

在線utf8轉換 String Data Type in Go byte vs string in Go