聊聊 Go 语言中的字符表示与字符串遍历

和其余语言不一样，在 Go 语言中没有字符类型，字符只是整数的特殊用例。

为何说字符只是整数的特殊用例呢？由于在 Go 中，用于表示字符的 byte 和 rune 类型都是整型的别名。在 Go 的源码中咱们能够看到：

// 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 = 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 = int32
复制代码

• byte 是 uint8 的别名，长度为 1 个字节，用于表示 ASCII 字符
• rune 是 int32 的别名，长度为 4 个字节，用于表示以 UTF-8 编码的 Unicode 码点

Tips：Unicode 从 0 开始，为每一个符号指定一个编号，这叫作「码点」（code point）。

字符的表示

那么，如何在 Go 语言中表示字符呢？

在 Go 语言中使用单引号包围来表示字符，例如 'j'。

byte

若是要表示 byte 类型的字符，可使用 byte 关键字来指明字符变量的类型：

var byteC byte = 'j'
复制代码

又由于 byte 实质上是整型 uint8，因此能够直接转成整型值。在格式化说明符中咱们使用 %c 表示字符，%d 表示整型：

// 声明 byte 类型字符
var byteC byte = 'j'
fmt.Printf("字符 %c 对应的整型为 %d\n", byteC, byteC)
// Output: 字符 j 对应的整型为 106
复制代码

rune

与 byte 相同，想要声明 rune 类型的字符可使用 rune 关键字指明：

var runeC rune = 'J'
复制代码

但若是在声明一个字符变量时没有指明类型，Go 会默认它是 rune 类型：

runeC := 'J'
fmt.Printf("字符 %c 的类型为 %T\n", runeC, runeC)
// Output: 字符 J 的类型为 int32
复制代码

为何须要两种类型？

看到这里你可能会问了，既然都用于表示字符，为何还须要两种类型呢？

咱们知道，byte 占用一个字节，所以它能够用于表示 ASCII 字符。而 UTF-8 是一种变长的编码方法，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，就算你想要使用多个 byte 进行表示，你也无从知晓你要处理的 UTF-8 字符究竟占了几个字节。

所以，若是你在中文字符串上狂妄地进行截取，必定会输出乱码：

testString := "你好，世界"
fmt.Println(testString[:2]) // 输出乱码，由于截取了前两个字节
fmt.Println(testString[:3]) // 输出「你」，一个中文字符由三个字节表示
复制代码

此时就须要 rune 的帮助了。利用 []rune() 将字符串转为 Unicode 码点再进行截取，这样就无需考虑字符串中含有 UTF-8 字符的状况了：

testString := "你好，世界"
fmt.Println(string([]rune(testString)[:2])) // 输出：「你好」
复制代码

Tips：Unicode 和 ASCII 同样，是一种字符集，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，一种是下标遍历，一种是使用 range。

下标遍历

因为在 Go 语言中，字符串以 UTF-8 编码方式存储，使用 len() 函数获取字符串长度时，获取到的是该 UTF-8 编码字符串的字节长度，经过下标索引字符串将会产生一个字节。所以，若是字符串中含有 UTF-8 编码字符，就会出现乱码：

testString := "Hello，世界"

for i := 0; i < len(testString); i++ {
	c := testString[i]
	fmt.Printf("%c 的类型是 %s\n", c, reflect.TypeOf(c))
}

/* Output: H 的类型是 uint8（ASCII 字符返回正常） 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（从这里开始出现了奇怪的乱码） ¼ 的类型是 uint8 Œ 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 Œ 的类型是 uint8 */
复制代码

range

range 遍历则会获得 rune 类型的字符：

testString := "Hello，世界"

for _, c := range testString {
	fmt.Printf("%c 的类型是 %s\n", 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 ， 的类型是 int32 世 的类型是 int32 界 的类型是 int32 */
复制代码

总结

• Go 语言中没有字符的概念，一个字符就是一堆字节，它多是单个字节（ASCII 字符集），也有多是多个字节（Unicode 字符集）
• byte 是 uint8 的别名，长度为 1 个字节，用于表示 ASCII 字符
• rune 则是 int32 的别名，长度为 4 个字节，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
• The Go Blog - Strings, bytes, runes and characters in Go

相关阅读

• 认识 Go 语言中的数组

---

若是你以为文章写得不错，请帮我两个小忙：

1. 点赞并关注我，让这篇文章被更多人看到
2. 关注公众号「编程拯救世界」，你将第一时间得到新文章的推送

你的鼓励是我创做最大的动力，感谢你们！