詳解Golang中字符串的使用

Posted on by

1、字符串編碼

在go中rune是一個unicode編碼點。

我們都知道UTF-8將字符編碼為1-4個字節，比如我們常用的漢字，UTF-8編碼為3個字節。所以rune也是int32的別名。

type rune = int32

當我們打印一個英文字符hello的時候，我們可以得到s的長度為5，因為英文字母代表1個字節：

package main

import "fmt"

func main() {
	s := "hello"
	fmt.Println(len(s)) // 5
}

但是當我們打印嗨的時候，會打印3個字節。因為使用UTF-8，這個字符會被編碼成3個字節：

package main

import "fmt"

func main() {
	s := "嗨"
	fmt.Println(len(s)) // 3
}

所以，我們使用len內置函數輸出的並不是字符數，而是字節數。

下面看一個有趣的例子，我們都知道漢字符使用3個字節編碼，分別是0xE5, 0x97, 0xA8。我們運行下面代碼會得到漢字嗨:

package main

import "fmt"

func main() {
	s := string([]byte{0xE5, 0x97, 0xA8})
	fmt.Println(s) // 嗨
}

所以我們需要知道：

  • 字符集是一組字符，而編碼描述瞭如何將字符集轉換為二進制
  • 在 Go 中，字符串引用任意字節的不可變切片
  • Go 源碼使用 UTF-8 編碼。 因此，所有字符串文字都是 UTF-8 字符串。 但是因為字符串可以包含任意字節，如果它是從其他地方（不是源碼）獲得的，則不能保證它是基於 UTF-8 編碼的
  • 使用 UTF-8，一個 Unicode 字符可以編碼為 1 到 4 個字節
  • 在 Go 中對字符串使用 len 返回字節數，而不是字符數

2、字符串遍歷

我們在開發中經常會用到對字符串進行遍歷的場景。 也許我們想對字符串中的每個 rune 執行一個操作，或者實現一個自定義函數來搜索特定的子字符串。 在這兩種情況下，我們都必須遍歷字符串的不同字符。 但往往會得到讓我們意想不到的結果。

我們看下下面的例子，打印一個字符串中的不同字符和對應的位置：

package main

import "fmt"

func main() {
	s := "h嗨llo"
	for i := range s {
		fmt.Printf("字符位置 %d: %c\n", i, s[i])
	}
	fmt.Printf("len=%d\n", len(s))
}

輸出結果：

go run 7.go
字符位置 0: h
字符位置 1: å
字符位置 4: l
字符位置 5: l
字符位置 6: o
len=7

我們想要的效果是通過遍歷字符串，打印出每個字符的索引。但是我們卻得到瞭一個特殊的字符å，其實我們想要的是嗨。

但是打印的字節數是符合我們的預期的，因為嗨是一個中文占用瞭3個字節，所以len返回的是7。

3、字符串中的字符數

如果我們想要正確的獲取字符串的字符數，可以使用go中的utf8包：

package main

import (
	"fmt"
	"unicode/utf8"
)

func main() {
	s := "h嗨llo"

	for i := range s {
		fmt.Printf("字符位置 %d: %c\n", i, s[i])
	}
	fmt.Printf("len=%d\n", len(s))
	fmt.Printf(" rune len=%d\n", utf8.RuneCountInString(s)) // 獲取字符數
}

輸出結果： 

go run 7.go
字符位置 0: h
字符位置 1: å
字符位置 4: l
字符位置 5: l
字符位置 6: o
len=7
 rune len=5

在這個例子中，可以看到，我們確實遍歷瞭5次，也就是對應字符串的5個字符。但是我們獲取到的索引其實是對應每個字符的起始位置。像下面這樣

那我們如何打印出正確的結果呢？我們稍微修改下代碼：

package main

import (
	"fmt"
	"unicode/utf8"
)

func main() {
	s := "h嗨llo"

	for i, v := range s { // 此處改為獲取v，可以獲取到字符本身
		fmt.Printf("字符位置 %d: %c\n", i, v)
	}
	fmt.Printf("len=%d\n", len(s))
	fmt.Printf(" rune len=%d\n", utf8.RuneCountInString(s))
}

輸出結果：

go run 7.go
字符位置 0: h
字符位置 1: 嗨
字符位置 4: l
字符位置 5: l
字符位置 6: o
len=7
 rune len=5

另外一種方法就是把字符串轉換成rune切片，這樣也會正確打印結果：

package main

import (
	"fmt"
	"unicode/utf8"
)

func main() {
	s := "h嗨llo"
	b := []rune(s)

	for i := range b {
		fmt.Printf("字符位置 %d: %c\n", i, b[i])
	}
	fmt.Printf("len=%d\n", len(s))
	fmt.Printf(" rune len=%d\n", utf8.RuneCountInString(s))
}

輸出結果：

go run 7.go
字符位置 0: h
字符位置 1: 嗨
字符位置 2: l
字符位置 3: l
字符位置 4: o
len=7
 rune len=5

下面是rune切片遍歷的過程（中間省略瞭將字節轉換為rune的過程，需要遍歷字節，復雜度為O(n)）

4、字符串trim

開發中我們經常會遇到去除字符串頭部或者尾部字符的操作。比如我們現在有個字符串xohelloxo，現在我們想去除尾部的xo，可能我們會像下面這樣寫：

package main

import (
	"fmt"
	"strings"
)

func main() {
	s := "xohelloxo"
	s = strings.TrimRight(s, "xo")
	fmt.Println(s)
}

輸出結果：

go run 7.go
xohell

可以看到這不是我們期望的結果。我們可以看下TrimRight的工作原理：

  • 從右側取出第一個字符o，判斷是否在xo中，在就移除
  • 重復步驟1，知道不符合條件

所以就可以解釋通瞭。當然和它相似的TrimLeft和Trim也是一樣的原理。

如果我們隻想刪除最後xo可以使用TrimSuffix函數：

package main

import (
	"fmt"
	"strings"
)

func main() {
	s := "xohelloxo"
	s = strings.TrimSuffix(s, "xo")
	fmt.Println(s)
}

輸出結果：

go run 7.go
xohello

當然也有對應的從前面刪除的函數TrimPrefix。

5、字符串連接

開發中我們經常會用到連接字符串的操作，在go中我們一般有2種方式。

我們先看下+號連接的方式：

package main

import (
	"fmt"
	"strings"
)

func implode(values []string, operate string) string {
	s := ""
	for _, value := range values {
		s += operate
		s += value
	}
	s = strings.TrimPrefix(s, operate)
	return s
}

func main() {
	a := []string{"hello", "world"}
	s := implode(a, " ")
	fmt.Println(s)
}

輸出結果：

go run 7.go
 hello world

這種方式的缺點就是，由於字符串的不變性，每次+號賦值的時候s不會被更新，而是重新分配內存，所以這種方式對性能有很大影響。

還有一種方式就是使用strings.Builder：

package main

import (
	"fmt"
	"strings"
)

func implode(values []string, operate string) string {
	sb := strings.Builder{}
	for _, value := range values {
		_, _ = sb.WriteString(operate)
		_, _ = sb.WriteString(value)
	}
	s := strings.TrimPrefix(sb.String(), operate)
	return s
}

func main() {
	a := []string{"hello", "world"}
	s := implode(a, " ")
	fmt.Println(s)
}

輸出結果：

go run 7.go
hello world

首先，我們創建瞭一個 strings.Builder 結構。 在每次遍歷中，我們通過調用 WriteString 方法構造結果字符串，該方法將 value 的內容附加到其內部緩沖區，從而最大限度地減少內存復制。

WriteString 的第二個參數返回的是error，但是error的值會一直為nil。 之所以有第二個error參數是因為我 strings.Builder 實現瞭 io.StringWriter 接口，它包含一個方法：WriteString(s string) (n int, err error)。

我們看下WriteString的內部是什麼樣的：

func (b *Builder) WriteString(s string) (int, error) {
	b.copyCheck()
	b.buf = append(b.buf, s...)
	return len(s), nil
}

我們可以看到b.buf是一個字節切片，而裡面的實現是使用瞭append方法。我們知道如果切片很大，使用append會讓底層數組不斷擴容，影響代碼執行效率。

我們知道解決這個問題的方法是，如果事先知道切片的大小，我們可以在初始化的時候就分配好切片的容量。

所以上面的字符串連接還有一種優化方案：

package main

import (
	"fmt"
	"strings"
)

func implode(values []string, operate string) string {
	total := 0
	for i := 0; i < len(values); i++ {
		total += len(values[i])
	}
	total += len(operate) * len(values)
	sb := strings.Builder{}
	sb.Grow(total) // 這裡會重新分配b.buf的長度和容量
	for _, value := range values {
		_, _ = sb.WriteString(operate)
		_, _ = sb.WriteString(value)
	}
	s := strings.TrimPrefix(sb.String(), operate)
	return s
}

func main() {
	a := []string{"hello", "world"}
	s := implode(a, " ")
	fmt.Println(s)
}

輸出結果：

go run 7.go
hello world

6、字節切片轉字符串

需要明確的是，字節切片轉換成字符串，需要復制一份副本出來。可以通過下面的代碼做驗證：

b := []byte{'a', 'b', 'c'}
s := string(b)
b[1] = 'x'
fmt.Println(s)

事實上，上面將會輸出abc而不是axc。所以字節切片到字符串的轉換是有開銷的。

但是我們開發中經常用到的包iio.Read之類的，入參或者返回經常是字節切片類型。而我們調用這些函數時經常是以字符串的形式，導致我們不得不做一些字節切片刀字符串的轉換。

所以結論是，當我們需要使用字符串作為入參或者返回時，我們首先要考慮的是能用字節切片的就用字節切片。

到此這篇關於詳解Golang中字符串的使用的文章就介紹到這瞭,更多相關Golang字符串內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：