有趣的面试题：Go语言字符串的字节长度和字符个数

背景

哈喽，你们好，我是 asong。今天咱们一块儿来看看 Go语言中的 rune数据类型，首先从一道面试题入手，你能很快说出下面这道题的答案吗？

func main()  {
    str := "Golang梦工厂"
    fmt.Println(len(str))
    fmt.Println(len([]rune(str)))
}

运行结果是15和15仍是15和9呢？先思考一下，一会揭晓答案。

其实这并非一道面试题，是我在平常开发中遇到的一个问题，当时场景是这样的：后端要对前端传来的字符串作字符校验，产品的需求是限制为200字符，而后我在后端作校验时直接使用len(str) > 200来作判断，结果出现了bug，前端字符校验没有超过200字符，调用后端接口确一直是参数错误，改为使用len([]rune(str)) > 200成功解决了这个问题。具体缘由咱们在文中揭晓。

Unicode和字符编码

在介绍rune类型以前，咱们仍是要从一些基础知识开始。 ------ Unicode和字符编码。

• 什么是Unicode？

咱们都知道计算机只能处理数字，若是想要处理文本须要转换为数字才能处理，早些时候，计算机在设计上采用8bit做为一个byte，一个byte表示的最大整数就是255，想表示更大的整数，就须要更多的byte。显然，一个字节表示中文，是不够的，至少须要两个字节，并且还不能和ASCII编码冲突，因此，我国制定了GB2312编码，用来把中文编进去。可是世界上有不少语言，不一样语言制定一个编码，就会不可避免地出现冲突，因此unicode字符就是来解决这个痛点的。Unicode把全部语言都统一到一套编码里。总结来讲："unicode其实就是对字符的一种编码方式，能够理解为一个字符---数字的映射机制，利用一个数字便可表示一个字符。"

• 什么是字符编码？

虽然unicode把全部语言统一到一套编码里了，可是他却没有规定字符对应的二进制码是如何存储。以汉字“汉”为例，它的 Unicode 码点是 0x6c49，对应的二进制数是 110110001001001，二进制数有 15 位，这也就说明了它至少须要 2 个字节来表示。能够想象，在 Unicode 字典中日后的字符可能就须要 3 个字节或者 4 个字节，甚至更多字节来表示了。

这就致使了一些问题，计算机怎么知道你这个 2 个字节表示的是一个字符，而不是分别表示两个字符呢？这里咱们可能会想到，那就取个最大的，假如 Unicode 中最大的字符用 4 字节就能够表示了，那么咱们就将全部的字符都用 4 个字节来表示，不够的就往前面补 0。这样确实能够解决编码问题，可是却形成了空间的极大浪费，若是是一个英文文档，那文件大小就大出了 3 倍，这显然是没法接受的。

因而，为了较好的解决 Unicode 的编码问题， UTF-8 和 UTF-16 两种当前比较流行的编码方式诞生了。UTF-8 是目前互联网上使用最普遍的一种 Unicode 编码方式，它的最大特色就是可变长。它可使用 1 - 4 个字节表示一个字符，根据字符的不一样变换长度。在UTF-8编码中，一个英文为一个字节，一个中文为三个字节。

Go语言中的字符串

基本概念

先来看一下官方对string的定义：

// 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

人工翻译：

string是 8位字节的集合，一般但不必定表明 UTF-8编码的文本。 string能够为空，但不能为 nil。 string的值是不能改变的

说得通俗一点，其实字符串其实是只读的字节切片，对于字符串底层而言就是一个byte数组，不过这个数组是只读的，不容许修改。

写个例子验证一下：

func main()  {
    byte1 := []byte("Hl Asong!")
    byte1[1] = 'i'

    str1 := "Hl Asong!"
    str1[1] = 'i'
}

对于byte的操做是可行，而string操做会直接报错：

cannot assign to str1[1]

因此说string修改操做是不容许的，仅仅支持替换操做。

根据前面的分析，咱们也能够得出咱们将字符存储在字符串中时，也就是按字节进行存储的，因此最后存储的实际上是一个数值。

Go语言的字符串编码

上面咱们介绍了字符串的基本概念，接下来咱们看一下Go语言中的字符串编码是怎样的。

Go 源代码为 UTF-8 编码格式的，源代码中的字符串直接量是 UTF-8 文本。因此Go语言中字符串是UTF-8编码格式的。

Go语言字符串循环

Go语言中字符串可使用range循环和下标循环。咱们写一个例子，看一下两种方式循环有什么区别：

func main()  {
    str := "Golang梦工厂"
    for k,v := range str{
        fmt.Printf("v type: %T index,val: %v,%v \n",v,k,v)
    }
    for i:=0 ; i< len(str) ; i++{
        fmt.Printf("v type: %T index,val:%v,%v \n",str[i],i,str[i])
    }
}

运行结果：

v type: int32 index,val: 0,71 
v type: int32 index,val: 1,111 
v type: int32 index,val: 2,108 
v type: int32 index,val: 3,97 
v type: int32 index,val: 4,110 
v type: int32 index,val: 5,103 
v type: int32 index,val: 6,26790 
v type: int32 index,val: 9,24037 
v type: int32 index,val: 12,21378 
v type: uint8 index,val:0,71 
v type: uint8 index,val:1,111 
v type: uint8 index,val:2,108 
v type: uint8 index,val:3,97 
v type: uint8 index,val:4,110 
v type: uint8 index,val:5,103 
v type: uint8 index,val:6,230 
v type: uint8 index,val:7,162 
v type: uint8 index,val:8,166 
v type: uint8 index,val:9,229 
v type: uint8 index,val:10,183 
v type: uint8 index,val:11,165 
v type: uint8 index,val:12,229 
v type: uint8 index,val:13,142 
v type: uint8 index,val:14,130

根据运行结果咱们能够得出以下结论：

使用下标遍历获取的是 ASCII字符，而使用 Range遍历获取的是 Unicode字符。

什么是rune数据类型

官方对rune的定义以下：

// 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 = int32

人工翻译：

rune是 int32的别名，在全部方面都等同于 int32，按照约定，它用于区分字符值和整数值。

说的通俗一点就是rune一个值表明的就是一个Unicode字符，由于一个Go语言中字符串编码为UTF-8，使用1-4字节就能够表示一个字符，因此使用int32类型范围就能够完美适配。

答案揭晓

前面说了这么多知识点，确实有点乱了，咱们如今就根据开始的那道题来作一个总结。为了方便查看，在贴一下这道题：

func main()  {
    str := "Golang梦工厂"
    fmt.Println(len(str))
    fmt.Println(len([]rune(str)))
}

这道题的正确答案是15和9。

具体缘由：

len()函数是用来获取字符串的字节长度， rune一个值表明的就是一个 Unicode字符，因此求 rune切片的长度就是字符个数。由于在 utf-8编码中，英文占 1个字节，中文占 3个字节，因此最终结果就是 15和 9。

贴个图，方便理解：

unicode/utf8库

若是你们对rune的使用不是很明确，能够学习使用一下Go标准库unicode/utf8，其中提供了多种关于rune的使用方法。好比上面这道题，咱们就可使用utf8.RuneCountInString方法获取字符个数。更多库函数使用方法请自行解锁，本篇就不作过多介绍了。

总结

针对全文，咱们作一个总结：

• Go语言源代码始终为UTF-8
• Go语言的字符串能够包含任意字节，字符底层是一个只读的byte数组。
• Go语言中字符串能够进行循环，使用下表循环获取的acsii字符，使用range循环获取的unicode字符。
• Go语言中提供了rune类型用来区分字符值和整数值，一个值表明的就是一个Unicode字符。
• Go语言中获取字符串的字节长度使用len()函数，获取字符串的字符个数使用utf8.RuneCountInString函数或者转换为rune切片求其长度，这两种方法均可以达到预期结果。

好啦，这篇文章就到这里啦，素质三连（分享、点赞、在看）都是笔者持续创做更多优质内容的动力！

建立了一个Golang学习交流群，欢迎各位大佬们踊跃入群，咱们一块儿学习交流。入群方式：关注公众号获取。更多学习资料请到公众号领取。

我是asong，一名普普统统的程序猿，让咱们一块儿慢慢变强吧。欢迎各位的关注，咱们下期见~~~

推荐往期文章：

• Go看源码必会知识之unsafe包
• 源码剖析panic与recover，看不懂你打我好了！
• 空结构体引起的大型打脸现场
• Leaf—Segment分布式ID生成系统（Golang实现版本）
• 面试官：两个nil比较结果是什么？
• 面试官：你能用Go写段代码判断当前系统的存储方式吗?
• 如何平滑切换线上Elasticsearch索引