「这是我参与2022首次更文挑战的第6天，活动详情查看：2022首次更文挑战」。
概念
在 Go 里面，字符串类型统称 string
字符串可以包含任意的数据，但是通常是用来包含可读的文本，字符串是 UTF-8 字符的一个序列（当字符为 ASCII 码表上的字符时则占用 1 个字节，其它字符根据需要占用 2-4 个字节）。\
UTF-8 是一种被广泛使用的编码格式，是文本文件的标准编码，其中包括 XML 和 JSON 在内也都使用该编码。由于该编码对占用字节长度的不定性，在Go语言中字符串也可能根据需要占用 1 至 4 个字节，这样做不仅减少了内存和硬盘空间占用，同时也不用像其它语言那样需要对使用 UTF-8 字符集的文本进行编码和解码。\
string 类型的数据是不可变的
- 提高了字符串的并发安全性和存储利用率
- Go 语言规定，字符串类型的值在它的生命周期内是不可改变的
- 如果声明了一个字符串类型的变量，是无法通过这个变量改变它对应的字符串值的，但字符串类型变量仍然可以进行二次赋值
- 字符串是字节的定长数组
var s string = "hello"
s[1] = "s" // 错误：字符串的内容不可改变
s = "gopher" // 二次赋值是可以的，变量指向新的字符串
假如运行上述代码的话
# command-line-arguments
./18_string.go:6:7: cannot assign to s[1] (strings are immutable)
提示 strings are immutable 字符串是不可变的
好处
- 不用再担心字符串的并发安全问题，Go 字符串可以被多个 Goroutine（Go 语言的轻量级用户线程）共享，开发者不用因为担心并发安全问题，使用会带来一定开销的同步机制
- 由于字符串的不可变性，针对同一个字符串值，无论它在程序的几个位置被使用，Go 编译器只需要为它分配一块存储就好了，大大提高了存储利用率
获取字符串长度的时间复杂度是常数时间
无论该字符串字符个数有多少，都可以快速得到字符串的长度值，消除了获取字符串长度的开销
“所见即所得”的原始字符串
通过反引号` `支持构造“所见即所得”的原始字符串，任意转义字符都不会起到转义的作用
package main
import "fmt"
func main() {
var s string = ` ,_---~~~~~----._
_,,_,*^____ _____*g*"*,--,
/ __/ /' ^. / \ ^@q f
[ @f | @)) | | @)) l 0 _/
/ ~____ / __ _____/ \
| _l__l_ I
} [______] I
] | | | |
] ~ ~ |
| |
| |`
fmt.Println(s)
}
- 运行结果还是会得到一个和上面一样的图案
- 这个字符串包含了诸多 ASCII 字符，还有转义符，但并不会有转义的作用
对非 ASCII 字符提供原生支持
- 消除了源码在不同环境下显示乱码的可能
- Go 语言源文件默认采用的是 Unicode 字符集，Unicode 字符集是目前市面上最流行的字符集，它囊括了几乎所有主流非 ASCII 字符（包括中文字符）
- Go 字符串中的每个字符都是一个 Unicode 字符，并且这些 Unicode 字符是以 UTF-8 编码格式存储在内存当中的
Go 字符串的组成
Go 语言在看待 Go 字符串组成这个问题上，有两种视角
一种是字节视角
也就是和所有其它支持字符串的主流语言一样，Go 语言中的字符串值也是一个可空的字节序列，字节序列中的字节个数称为该字符串的长度，一个个的字节只是孤立数据，不表意
package main
import "fmt"
func main() {
// 字节角度
var s string = "中国人"
fmt.Printf("the length is %d \n", len(s))
for i := 0; i < len(s); i++ {
fmt.Printf("0x%x ", s[i])
}
}
运行结果
the length is 9
0xe4 0xb8 0xad 0xe5 0x9b 0xbd 0xe4 0xba 0xba
- 由“中国人”构成的字符串的字节序列长度为 9，一个中文 3 个字节
- 仅从某一个输出的字节来看，它是不能与字符串中的任一个字符对应起来的
另一种角度，字符串由一个可空的字符序列构成
package main
import (
"fmt"
"unicode/utf8"
)
func main() {
var s string = "中国人"
fmt.Println("the char count in s is: ", utf8.RuneCountInString(s))
for _, v := range s {
fmt.Printf("0x%x ", v)
}
}
运行结果
the char count in s is: 3
0x4e2d 0x56fd 0x4eba
- Go 采用的是 Unicode 字符集，每个字符都是一个 Unicode 字符，这里输出的 0x4e2d、0x56fd 和 0x4eba 是某种 Unicode 字符的表示
- 以 0x4e2d为例，它是汉字“中”在 Unicode 字符集表中的码点（Code Point）
什么是 Unicode 码点呢
- Unicode 字符集中的每个字符，都被分配了统一且唯一的字符编号
- 所谓 Unicode 码点，就是指将 Unicode 字符集中的所有字符“排成一队”，字符在这个“队伍”中的位次，就是它在 Unicode 字符集中的码点
- 一个码点唯一对应一个字符
- “码点”的概念和 rune 类型有很大关系
rune 类型和字符字面值
- Go 使用 rune 这个类型来表示一个 Unicode 码点
- rune 本质上是 int32 类型的别名类型，它与 int32 类型是完全等价的
- 在 Go 源码中可以看到它的定义，就是 int32 的类型别名
// $GOROOT/src/builtin.go
type rune = int32
- 由于一个 Unicode 码点唯一对应一个 Unicode 字符
- 所以一个 rune 实例就是一个 Unicode 字符，一个 Go 字符串也可以被视为 rune 实例的集合
- 可以通过字符字面值来初始化一个 rune 变量
字符字面值
最常见的是通过单引号阔气的字符字面值
'a' // ASCII 字符
'中' // Unicode字符集中的中文字符
'\n' // 换行字符
''' // 单引号字符
Unicode 专用的转义字符\u 或\U 作为前缀
表示一个 Unicode 字符
'\u4e2d' // 字符：中
'\U00004e2d' // 字符：中
'\u0027' // 单引号字符
- \u 后面接两个十六进制数
- 如果是用两个十六进制数无法表示的 Unicode 字符，我们可以使用 \U，\U 后面可以接四个十六进制数来表示一个 Unicode 字符
- 而且，由于表示码点的 rune 本质上就是一个整型数，所以还可用整型值来直接作为字符字面值给 rune 变量赋值
'\x27' // 使用十六进制表示的单引号字符
'\047' // 使用八进制表示的单引号字符
字符串字面值
字符串是字符的集合，字符串有多个字符
"中国人"
"\u4e2d\u56fd\u4eba" // 中国人
"\U00004e2d\U000056fd\U00004eba" // 中国人
"\xe4\xb8\xad\xe5\x9b\xbd\xe4\xba\xba" // 十六进制表示的字符串字面值：中国人
对 Unicode 字符（rune）进行编解码
标准库提供了 UTF-8 包
package main
import (
"fmt"
"unicode/utf8"
)
func encodeRune() {
var r rune = 0x4E2D
fmt.Printf("the unicode charactor is %c\n", r) // 中
buf := make([]byte, 3)
// 对 rune 进行 utf-8 编码
_ = utf8.EncodeRune(buf, r)
fmt.Printf("utf-8 representation is 0x%X\n", buf)
}
func decodeRune() {
var buf = []byte{0xE4, 0xB8, 0xAD}
// 对 buf 进行解码
r, _ := utf8.DecodeRune(buf)
fmt.Printf("the unicode charactor after decoding [0xE4, 0xB8, 0xAD] is %s", string(r))
}
func main() {
encodeRune()
decodeRune()
}
运行结果
the unicode charactor is 中
utf-8 representation is 0xE4B8AD
the unicode charactor after decoding [0xE4, 0xB8, 0xAD] is 中
