和其他语言不同&＃xff0c;在 Go 语言中没有字符类型&＃xff0c;字符只是整数的特殊用例。
为什么说字符只是整数的特殊用例呢&＃xff1f;因为在 Go 中&＃xff0c;用于表示字符的 byte 和 rune 类型都是整型的别名。在 Go 的源码中我们可以看到&＃xff1a;
// 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 &＃61; 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 &＃61; int32
byte 是 uint8 的别名&＃xff0c;长度为 1 个字节&＃xff0c;用于表示 ASCII 字符rune 是 int32 的别名&＃xff0c;长度为 4 个字节&＃xff0c;用于表示以 UTF-8 编码的 Unicode 码点
Tips&＃xff1a;Unicode 从 0 开始&＃xff0c;为每个符号指定一个编号&＃xff0c;这叫做「码点」&＃xff08;code point&＃xff09;。
字符的表示
那么&＃xff0c;如何在 Go 语言中表示字符呢&＃xff1f;
在 Go 语言中使用单引号包围来表示字符&＃xff0c;例如 &＃39;j&＃39;。
byte
如果要表示 byte 类型的字符&＃xff0c;可以使用 byte 关键字来指明字符变量的类型&＃xff1a;
var byteC byte &＃61; &＃39;j&＃39;
又因为 byte 实质上是整型 uint8&＃xff0c;所以可以直接转成整型值。在格式化说明符中我们使用 %c 表示字符&＃xff0c;%d 表示整型&＃xff1a;
// 声明 byte 类型字符
var byteC byte &＃61; &＃39;j&＃39;
fmt.Printf("字符 %c 对应的整型为 %dn", byteC, byteC)
// Output: 字符 j 对应的整型为 106
rune
与 byte 相同&＃xff0c;想要声明 rune 类型的字符可以使用 rune 关键字指明&＃xff1a;
var runeC rune &＃61; &＃39;J&＃39;
但如果在声明一个字符变量时没有指明类型&＃xff0c;Go 会默认它是 rune 类型&＃xff1a;
runeC :&＃61; &＃39;J&＃39;
fmt.Printf("字符 %c 的类型为 %Tn", runeC, runeC)
// Output: 字符 J 的类型为 int32
为什么需要两种类型&＃xff1f;
看到这里你可能会问了&＃xff0c;既然都用于表示字符&＃xff0c;为什么还需要两种类型呢&＃xff1f;
我们知道&＃xff0c;byte 占用一个字节&＃xff0c;因此它可以用于表示 ASCII 字符。而 UTF-8 是一种变长的编码方法&＃xff0c;字符长度从 1 个字节到 4 个字节不等。byte 显然不擅长这样的表示&＃xff0c;就算你想要使用多个 byte 进行表示&＃xff0c;你也无从知晓你要处理的 UTF-8 字符究竟占了几个字节。
因此&＃xff0c;如果你在中文字符串上狂妄地进行截取&＃xff0c;一定会输出乱码&＃xff1a;
testString :&＃61; "你好&＃xff0c;世界"
fmt.Println(testString[:2]) // 输出乱码&＃xff0c;因为截取了前两个字节
fmt.Println(testString[:3]) // 输出「你」&＃xff0c;一个中文字符由三个字节表示
此时就需要 rune 的帮助了。利用 []rune() 将字符串转为 Unicode 码点再进行截取&＃xff0c;这样就无需考虑字符串中含有 UTF-8 字符的情况了&＃xff1a;
testString :&＃61; "你好&＃xff0c;世界"
fmt.Println(string([]rune(testString)[:2])) // 输出&＃xff1a;「你好」
Tips&＃xff1a;Unicode 和 ASCII 一样&＃xff0c;是一种字符集&＃xff0c;UTF-8 则是一种编码方式。
遍历字符串
字符串遍历有两种方式&＃xff0c;一种是下标遍历&＃xff0c;一种是使用 range。
下标遍历
由于在 Go 语言中&＃xff0c;字符串以 UTF-8 编码方式存储&＃xff0c;使用 len() 函数获取字符串长度时&＃xff0c;获取到的是该 UTF-8 编码字符串的字节长度&＃xff0c;通过下标索引字符串将会产生一个字节。因此&＃xff0c;如果字符串中含有 UTF-8 编码字符&＃xff0c;就会出现乱码&＃xff1a;
testString :&＃61; "Hello&＃xff0c;世界"for i :&＃61; 0; i }/* Output:
H 的类型是 uint8&＃xff08;ASCII 字符返回正常&＃xff09;
e 的类型是 uint8
l 的类型是 uint8
l 的类型是 uint8
o 的类型是 uint8
ï 的类型是 uint8&＃xff08;从这里开始出现了奇怪的乱码&＃xff09;
¼ 的类型是 uint8的类型是 uint8
ä 的类型是 uint8
¸ 的类型是 uint8的类型是 uint8
ç 的类型是 uint8的类型是 uint8的类型是 uint8
*/
range
range 遍历则会得到 rune 类型的字符&＃xff1a;
testString :&＃61; "Hello&＃xff0c;世界"for _, c :&＃61; range testString {fmt.Printf("%c 的类型是 %sn", c, reflect.TypeOf(c))
}/* Output:
H 的类型是 int32
e 的类型是 int32
l 的类型是 int32
l 的类型是 int32
o 的类型是 int32
&＃xff0c; 的类型是 int32
世 的类型是 int32
界 的类型是 int32
*/
总结
- Go 语言中没有字符的概念&＃xff0c;一个字符就是一堆字节&＃xff0c;它可能是单个字节&＃xff08;ASCII 字符集&＃xff09;&＃xff0c;也有可能是多个字节&＃xff08;Unicode 字符集&＃xff09;
byte 是 uint8 的别名&＃xff0c;长度为 1 个字节&＃xff0c;用于表示 ASCII 字符rune 则是 int32 的别名&＃xff0c;长度为 4 个字节&＃xff0c;用于表示以 UTF-8 编码的 Unicode 码点- 字符串的截取是以字节为单位的
- 使用下标索引字符串会产生字节
- 想要遍历
rune 类型的字符则使用 range 方法进行遍历
参考资料
- 阮一峰 - Unicode 与 Javascript 详解: https://www.ruanyifeng.com/blog/2014/12/unicode.html
- The Go Blog - Strings, bytes, runes and characters in Go: https://blog.golang.org/strings
京公网安备 11010802041100号