介紹rune類型

golang中rune與字符串轉(zhuǎn)換的密切關(guān)系

rune?類型是 Go 語言的一種特殊數(shù)字類型。在?builtin/builtin.go?文件中，它的定義是type rune = int32.官方對它是這么解釋的：rune?是類型?int32?的別名，在所有方面都等價于它，用來區(qū)分字符值跟整數(shù)值.使用單引號定義 ,返回采用 UTF-8 編碼的 Unicode 碼點(diǎn).Go 語言通過?rune?處理中文，支持國際化多語言。

為什么要給int32取一個別名rune呢，為什么不直接使用int32？

這是因?yàn)閯e名的使用在大型項(xiàng)目重構(gòu)中作用最為明顯，它能解決代碼升級或遷移過程中可能存在的類型兼容性問題。在go語言中還有另外一個類型別名也是用來處理字符的，要知道在go語言中可沒有char這個類型，因此對于字符的處理就要特別對待。

rune如何處理字符？

rune主要表示字符碼點(diǎn)，特別在處理中文方面尤其有效。下面是例子

func main() {
   s := "我是一個gophers"
   fmt.Println(len(s))
   fmt.Println(len([]rune(s)))
}
運(yùn)行結(jié)果:
19
11

通過對比我們可以發(fā)現(xiàn)中文字符每個占據(jù)3個字節(jié)，如果使用byte則需要三個不同的值，而使用rune剛好可以完整表達(dá)。

引出golang中關(guān)于字符串的說明

• Go 源代碼始終為 UTF-8。
• 字符串可以包含任意字節(jié)。
• 字符串文字中不包含字節(jié)級轉(zhuǎn)義符時字符串始終包含有效的 UTF-8 序列。
• 代表 Unicode 碼點(diǎn)的字節(jié)序列稱為?rune。
• 在 Go 中不會保證字符串中的字符被規(guī)范化。

值得注意的地方

在前面已經(jīng)提到過，golang中沒有char這個概念，有的只是byte(uint8)單個字符的代表。因此要如何實(shí)現(xiàn)string呢？這個待會再講。我們現(xiàn)在主要介紹string遍歷過程中的問題。請看下面的例子

func main() {
   s := "我是一個gophers"
   for i, v := range s {
      fmt.Printf("第%d個值,類型為%T結(jié)果為:%v\n", i, v, string(v))
   }
   for i, v := range s {
      fmt.Printf("第%d個值,類型為%T結(jié)果為:%v\n", i, v, string(s[i]))
   }
}
運(yùn)行結(jié)果:
第0個值,類型為int32結(jié)果為:我
第3個值,類型為int32結(jié)果為:是
第6個值,類型為int32結(jié)果為:一
第9個值,類型為int32結(jié)果為:個
第12個值,類型為int32結(jié)果為:g
第13個值,類型為int32結(jié)果為:o
第14個值,類型為int32結(jié)果為:p
第15個值,類型為int32結(jié)果為:h
第16個值,類型為int32結(jié)果為:e
第17個值,類型為int32結(jié)果為:r
第18個值,類型為int32結(jié)果為:s
-------------------------------------------
第0個值,類型為int32結(jié)果為:? 
第3個值,類型為int32結(jié)果為:? 
第6個值,類型為int32結(jié)果為:? 
第9個值,類型為int32結(jié)果為:? 
第12個值,類型為int32結(jié)果為:g
第13個值,類型為int32結(jié)果為:o
第14個值,類型為int32結(jié)果為:p
第15個值,類型為int32結(jié)果為:h
第16個值,類型為int32結(jié)果為:e
第17個值,類型為int32結(jié)果為:r
第18個值,類型為int32結(jié)果為:s

通過比對和循環(huán)我們可以得知,golang中對于string的循環(huán),如果是中文則需要注意他的下標(biāo)序號是以3為差值，字符是以1為差值.通過s[i]和v的比對可以知道為什么golang中需要選擇rune作為字符串的轉(zhuǎn)換值.如果轉(zhuǎn)化是一個中文的話,一個字節(jié)的byte是無法容納的,而rune解決了這個問題.

介紹string類型

關(guān)于string類型，在go標(biāo)準(zhǔn)庫builtin中有如下說明:

// 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

也就是說：string是8位字節(jié)的集合，通常但不一定代表UTF-8編碼的文本.string可以為空，但是不能為nil.string的值是不能改變的. 而在go語言的源碼中我們可以看到string的構(gòu)成:

type stringStruct struct {
   str unsafe.Pointer
   len int
}

stringStruct就是string的一個對象,這個str就是一個指向字符數(shù)組首位的一個指針.len就是這個字符串的長度.那么這個數(shù)組指的是什么呢？其實(shí)就是一個[]byte,string內(nèi)部就是通過這個字符切片組成的。而這個str就是指向了這個切片的首地址.因此也解釋了一個現(xiàn)象,為什么[]byte中的值可以被修改,而string中的值無法被修改.也正因如此copy內(nèi)置函數(shù)才可以將string類型復(fù)制為[]byte類型.

字符串的值不能被更改,但可以被替換. string在底層都是結(jié)構(gòu)體stringStruct{str: str_point, len: str_len},string結(jié)構(gòu)體的str指針指向的是一個字符常量的地址,這個地址里面的內(nèi)容是不可以被改變的,因?yàn)樗侵蛔x的,但是這個指針可以指向不同的地址.

為什么替換字符時string比[]byte效率慢?

由于每次替換string的值時,string的str指針無法進(jìn)行改變指向,因此程序內(nèi)部就需要去新開辟一個指針指向新的[]byte,然后先前分配的string內(nèi)存就會被GC所回收.這是導(dǎo)致string相較于[]byte操作低效的根本原因.

思考string、byte、rune之間的關(guān)系

Go語言把字符分?byte?和?rune?兩種類型處理.byte?是類型?unit8?的別名,用于存放占 1 字節(jié)的 ASCII 字符,如英文字符,返回的是字符原始字節(jié).rune?是類型?int32?的別名,用于存放多字節(jié)字符,如占 3 字節(jié)的中文字符,返回的是字符 Unicode 碼點(diǎn)值.

總結(jié)

• string無法進(jìn)行修改,只能進(jìn)行替換
• string底層由一個指針指向[]byte
• rune主要用來表示碼點(diǎn)并處理大于1字節(jié)小于4個字節(jié)的特殊字符
• 中文字符每個碼點(diǎn)占據(jù)多個字節(jié),并且在string循環(huán)中通過rune表示