14、Golang 教程 - 字符串

String类型在Go中值得特别提到,因为与其他语言相比,它们的实现方式有所不同。

什么是字符串

在Go 中字符串是 字节切片。可以通过将内容放在双引号 "" 之间的方式来创建一个字符串。让我们看一个简单的例子,该例子创建并打印一个字符串:

package main

import (
	"fmt"
)

func main() {
   
     
	name := "Hello World"
	fmt.Println(name)
}

以上程序将输出: Hello World

Go中的字符串符合 Unicode 标准,并以 UTF-8 编码。

访问字符串中的字节

由于字符串是一个字节切片,因此可以访问字符串的每个字节。

package main

import (
	"fmt"
)

func printBytes(s string) {
   
     
	for i := 0; i < len(s); i++ {
   
     
		fmt.Printf("%x ", s[i])
	}
}

func main() {
   
     
	name := "Hello World"
	printBytes(name)
}

在上面的程序中,len(s) 返回字符串中的字节数,我们使用 for 循环以 16 进制表示法打印这些字节。%x是十六进制的格式说明符。上面的程序打印:48 65 6c 6c 6f 20 57 6f 72 6c 64。这些是 "Hello World" 的UTF-8方式编码的Unicode值。对UnicodeUTF-8有基本的了解才能更好地理解字符串。我建议阅读:https://naveenr.net/unicode-character-set-and-utf-8-utf-16-utf-32-encoding/ 来学习什么是 UnicodeUTF-8

让我们稍微修改上面的程序来打印字符串的字符。

package main

import (  
    "fmt"
)

func printBytes(s string) {
   
       
    for i:= 0; i < len(s); i++ {
   
     
        fmt.Printf("%x ", s[i])
    }
}
func printChars(s string) {
   
       
    for i:= 0; i < len(s); i++ {
   
     
        fmt.Printf("%c ",s[i])
    }
}

func main() {
   
       
    name := "Hello World"
    printBytes(name)
    fmt.Printf("\n")
    printChars(name)
}

在第16 行的 printChars 函数中,%c 格式化指示符用来打印字符串中的字符。上面的程序输出为:

48 65 6c 6c 6f 20 57 6f 72 6c 64 
H e l l o   W o r l d

虽然上面的程序看起来像一个合法的方法来访问字符串的单个字符,但这却存在严重的错误。让我们深入这个代码来看看我们做错了什么。

package main

import (
	"fmt"
)

func printBytes(s string) {
   
     
	for i := 0; i < len(s); i++ {
   
     
		fmt.Printf("%x ", s[i])
	}
}

func printChars(s string) {
   
     
	for i := 0; i < len(s); i++ {
   
     
		fmt.Printf("%c ", s[i])
	}
}

func main() {
   
     
	name := "Hello World"
	printBytes(name)
	fmt.Printf("\n")
	printChars(name)
	fmt.Printf("\n")
	name = "Señor"
	printBytes(name)
	fmt.Printf("\n")
	printChars(name)
}

上述程序的输出是:

48 65 6c 6c 6f 20 57 6f 72 6c 64 
H e l l o   W o r l d 
53 65 c3 b1 6f 72 
S e à ± o r

在上面的程序第 28 行,我们试图打印 Señor 中的字符串,但是结果却是 S e à ± o r,这明显是错的。为什么打印 Hello World 是对的,打印 Señor 是错的呢?原因是 ñUnicode 代码点是 U+00F1 而它的 UTF-8 编码 占了c3b1两个字节。而我们将一个字节视为一个字符来打印字符串的方法是错误的。在 UTF-8 编码中一个代码点编码后可能占多于 1 个字节的空间。那么我们如何解决这个问题呢?。 rune 可以帮助我们解决这么问题。

rune

rune 是 Go 中的内置类型,它是 int32 的别名。在 Go 中,rune 表示一个 Unicode 代码点。代码点无论占用多少个字节,它都可以表示为一个 rune。让我们修改上面的程序,使用 rune 来打印字符串中的字符。

package main

import (
	"fmt"
)

func printBytes(s string) {
   
     
	for i := 0; i < len(s); i++ {
   
     
		fmt.Printf("%x ", s[i])
	}
}

func printChars(s string) {
   
     
	runes := []rune(s)
	for i := 0; i < len(runes); i++ {
   
     
		fmt.Printf("%c ", runes[i])
	}
}

func main() {
   
     
	name := "Hello World"
	printBytes(name)
	fmt.Printf("\n")
	printChars(name)
	fmt.Printf("\n\n")
	name = "Señor"
	printBytes(name)
	fmt.Printf("\n")
	printChars(name)
}

在上面的程序的第 14 行,字符串被转换为 rune 切片。然后我们遍历该切片并打印其中的字符。程序的输出如下:

48 65 6c 6c 6f 20 57 6f 72 6c 64 
H e l l o   W o r l d 

53 65 c3 b1 6f 72 
S e ñ o r

上面的输出是正确的。这正是我们想要的结果。

使用 for range 遍历字符串

上面的程序是遍历字符串中字符的一个正确方式。但是 Go 提供了一种更简单的方式来做到这一点:使用for range

package main

import (
	"fmt"
)

func printCharsAndBytes(s string) {
   
     
	for index, rune := range s {
   
     
		fmt.Printf("%c starts at byte %d\n", rune, index)
	}
}

func main() {
   
     
	name := "Señor"
	printCharsAndBytes(name)
}

在上述程序的第8行中,使用for range循环迭代字符串。循环返回rune字节的位置。程序输出:

S starts at byte 0
e starts at byte 1
ñ starts at byte 2
o starts at byte 4
r starts at byte 5

从上面的输出中可以清晰的看到ñ占了两个字节。

用字节切片构造字符串

package main

import (
	"fmt"
)

func main() {
   
     
	byteSlice := []byte{
   
     0x43, 0x61, 0x66, 0xC3, 0xA9}
	str := string(byteSlice)
	fmt.Println(str)
}

在上面的程序中,byteSlice"Café" 经过 UTF-8 编码后得到的切片(用 16 进制表示) 。上面的程序输出为:Café

如果我们换成对应的十进制数程序会正常工作吗?让我们测试一下:

package main

import (
	"fmt"
)

func main() {
   
     
	byteSlice := []byte{
   
     67, 97, 102, 195, 169} //decimal equivalent of {'\x43', '\x61', '\x66', '\xC3', '\xA9'}
	str := string(byteSlice)
	fmt.Println(str)
}

上述程序也将输出Café

用 rune 切片构造字符串#

package main

import (
	"fmt"
)

func main() {
   
     
	runeSlice := []rune{
   
     0x0053, 0x0065, 0x00f1, 0x006f, 0x0072}
	str := string(runeSlice)
	fmt.Println(str)
}

在上面的程序中,runeSlice 包含了字符串 "Señor"16 进制 Unicode 代码码点。程序的输出为:Señor

字符串的长度#

utf8 包中的 func RuneCountInString(s string) (n int) 方法用来获取字符串的长度。这个方法传入一个字符串参数然后返回字符串中的 rune 的数量。

package main

import (
	"fmt"
	"unicode/utf8"
)

func length(s string) {
   
     
	fmt.Printf("length of %s is %d\n", s, utf8.RuneCountInString(s))
}
func main() {
   
     

	word1 := "Señor"
	length(word1)
	word2 := "Pets"
	length(word2)
}

上面程序的输出为:

length of Señor is 5  
length of Pets is 4  

字符串是不可变的#

字符串在Go中是不可变的。创建字符串后,就无法更改它。

package main

import (
	"fmt"
)

func mutate(s string) string {
   
     
	s[0] = 'a' //any valid unicode character within single quote is a rune
	return s
}
func main() {
   
     
	h := "hello"
	fmt.Println(mutate(h))
}

上面的程序第 8 行我们试图将字符串的第一个字符改为 a。这是不允许的,因为字符串是不可变的,因此程序将会报错:main.go:8: cannot assign to s[0]

为了修改字符串,可以把字符串转化为一个 rune 切片。然后这个切片可以进行任何想要的改变,然后再转化为一个新字符串。

package main

import (
	"fmt"
)

func mutate(s []rune) string {
   
     
	s[0] = 'a'
	return string(s)
}
func main() {
   
     
	h := "hello"
	fmt.Println(mutate([]rune(h)))
}

在上面的程序第 7mutate 函数接受一个 rune 切片作为参数。然后将该切片的第一个元素改为 a,最后再转换回新的字符串并返回。程序的第 13 行调用了该函数。我们把 h 转化为一个 rune 切片,并传递给了 mutate。这个程序输出 : aello