关于go:13-GolangGo语言快速入门字符串

8次阅读

共计 5144 个字符，预计需要花费 13 分钟才能阅读完成。

Go 语言字符串的用法还是比较简单的，罕用也就是字符串相加，字符串与 byte 切片、rune 切片相互转换，字符串输入等等操作。那有什么可学的呢？其实还是有一些细节须要关注，比方字符串 ” 只读 ” 个性，字符串编码等等。

字符串只读？是的，就是你想的那样，只读就是不能批改的意思。那上面程序怎么解释呢？

package main

import "fmt"

func main() {
    str := "hello"
    str += "world"
    fmt.Println(str)   //hello world
}

看到了吧，我的确扭转了字符串 str 的值。是的，字符串 str 的确扭转了，而字符串的确也是只读的；这里可能存在一些歧义，筹备的说，应该是字符串变量 str 指向了新的字符串。字符串 ”hello” 并没有扭转，只是创立了一个新的字符串 ”hello world”，同时让字符串变量 str 指向这个新的字符串。还有一个办法验证这个说法：

go tool compile -S -N -l test.go

go.string."hello" SRODATA dupok size=5
    0x0000 68 65 6c 6c 6f                                   hello
go.string."world" SRODATA dupok size=6
    0x0000 20 77 6f 72 6c 64                                 world

go.string.”hello” 所属内存区域是 SRODATA，RO 就是 read only 只读的意思。再举一个事例：字符串不能依照索引操作，如果将将字符串转换为 byte 切片，按理说 byte 切片与字符串底层数据应该共用，那么批改该 byte 切片，字符串也应该同步扭转。

package main

import "fmt"

func main() {
    str := "hello world"
    // 字符串转化为 byte 切片，批改切片元素
    b := []byte(str)
    b[0] = 69

    fmt.Println(str)          //hello world
    for _, c := range b {fmt.Printf("%c", c)   //Eello world
    }
}

byte 切片的确被批改了，而字符串变量 str 却没有扭转，为什么呢？因为字符串是只读的，所以在 []byte(str) 强制类型转化时，会执行了数据的拷贝，防止批改 byte 切片影响原字符串。

最初在应用字符串时，还须要留神一个问题：len 用于获取字符串长度，纯英文字符串一切正常，然而当字符串中蕴含中文时，状况就有些不同了。

package main

import "fmt"

func main() {
    str := "Go 语言还是挺不错的"
    fmt.Println(len(str))   //26
}

str 字符串蕴含 2 个英文字母，8 个中文汉字，输入显示字符串长度是 26。这就有 Go 语言字符串编码无关了，Go 语言字符串采取 utf- 8 编码，一个中文汉字占 3 个字节，所以算下来字符串长度就是 26 了。那的确想获取字符串的字符数目呢？可通过上面形式：

package main

import "fmt"

func main() {
    str := "Go 语言还是挺不错的"

    r := []rune(str)   //rune 其实就是 int32，4 字节示意一个字符；r 相当于字符切片
    fmt.Println(len(r))

    n := 0
    for _, _ = range str {    //range 遍历字符串，返回字符索引，与以后字符
        n ++
    }
    fmt.Println(n)
}

上面咱们将联合底层实现原理，一一解释下面的几种状况：字符串相加，字符串与 byte 切片转换，字符串与 rune 切片相互转换。

字符串构造定义以及基本操作能够在文件 runtime/string.go 查看，字符串构造定义比切片相似，略微简略些，因为字符串只读，所以没有必要预调配空间，也就不须要 cap 字段：

type stringStruct struct {
    str unsafe.Pointer
    len int
}

str 指向底层真正存储字符串的数组，只是咱们不能获取到该数组援用，所以也就无奈间接批改字符串。而字符串在作为输出参数时，传递的也是该构造；len 函数获取字符串长度时，字符串变量地址 + 8 字节就是了，这些都和上一大节切片的基本原理十分相似。

s 字符串相加，编译阶段会替换为函数调用 concatstrings，其实现也挺简略的，计算所有字符串长度之和，申请内存，拷贝原始多个字符串到新的内存，结构字符串构造体 stringStruct 返回。函数 concatstrings 外围逻辑如下：

func concatstrings(a []string) string {
    l := 0
    // 计算所有字符串长度之和
    for _, x := range a {n := len(x)
        l += n
    }

    var s string
    var b []byte
    // 申请内存
    p := mallocgc(uintptr(l), nil, false)
    // 结构字符串 stringStruct 构造
    (*stringStruct)(unsafe.Pointer(s)).str = p
    (*stringStruct)(unsafe.Pointer(s)).len = l

    // 借切片拷贝
    *(*slice)(unsafe.Pointer(&b)) = slice{p, l, l}
    for _, x := range a {copy(b, x)
        b = b[len(x):]
    }

    return s
}

看到了吧，字符串相加，是申请了新的内存，并执行了数据拷贝，原始字符串没有产生任何扭转，往往扭转的只是字符串变量指向的内存地址。

字符串转化为 byte 切片，批改切片，为什么字符串却没有扭转，要答复这个问题，只能看字符串转化切片的实现函数了。通过 []byte(“”) 模式类型强转，编译阶段会替换为函数调用 stringtoslicebyte，而该函数其实也是申请新的内存，拷贝数据，结构切片构造返回。函数 stringtoslicebyte 外围逻辑如下：

func stringtoslicebyte(s string) []byte {var b []byte
    // 申请内存
    cap := roundupsize(uintptr(len(s)))
    p := mallocgc(cap, nil, false)

    // 结构切片构造 & 拷贝数据
    *(*slice)(unsafe.Pointer(&b)) = slice{p, len(s), int(cap)}
    copy(b, s)

    return b
}

字符串转化为 rune 切片的逻辑与 stringtoslicebyte 十分相似，只是 rune 类型占 4 个字节罢了。这里就不再赘述了。

包 strings 定义了一些罕用的字符串库函数，如下：

// 字符串比拟
func Compare(a, b string) int
// 字符串是否以 xxx 开始
func HasPrefix(s, prefix string) bool
// 字符串是否以 xxx 完结
func HasSuffix(s, suffix string) bool
// 字符串是否蕴含指定子串
func Contains(s, substr string) bool
// 返回子串在字符串是的地位，- 1 字符串不蕴含子串，还有更高级的字符串查找 stringFinder
func Index(s, substr string) int
// 字符串数组转换为字符串，按 sep 分隔
func Join(elems []string, sep string) string
// 字符串分隔为字符串数组
func Split(s, sep string) []string
// 字符串替换，还有更高级的字符串替换 Replacer
func Replace(s, old, new string, n int) string
// 字符串大小写转换
func ToLower(s string) string
func ToUpper(s string) string

……

这些库函数非常简单，我就不一一介绍了，这里次要提一下字符串构建 stringBuilder。下面咱们说过 Go 语言字符串是只读的，不能批改的，字符串相加也是通过申请内存与数据拷贝形式实现，那么如果存在大量的字符串相加呢？每次都申请内存拷贝数据效率会十分差，这也是 stringBuilder 存在的起因。stringBuilder 底层保护了一个[]byte，追加字符串只是追加到该切片，最终一次性转换该切片为字符串，防止了两头 N 屡次的内存申请与数据拷贝。

咱们写一个小事例，测试验证大量字符串相加状况下，stringBuilder 带来的性能晋升：

package main

import (
    "fmt"
    "strings"
    "time"
)

func main() {
    count := 100000

    start := time.Now()
    s := ""
    for i := 0; i < count; i ++ {s += "abc"}
    fmt.Println(time.Now().Sub(start).Microseconds())   //1466286 奥妙

    start1 := time.Now()
    b := strings.Builder{}
    for i := 0; i < count; i ++ {b.WriteString("abc")
    }
    fmt.Println(time.Now().Sub(start1).Microseconds()) //492 奥妙，效率晋升非常明显。}

下面咱们介绍到，Go 语言一个汉字占 3 字节，所有字符串蕴含汉字时，len 返回字符串长度大于字符数。咱们都晓得计算机存储只辨认二进制，所以字符须要编码为二进制，那么 Go 语言字符串到底采取哪种编码方式呢？

先简略介绍下几个罕用编码。最简略的编码就是 ASCII 码了，只需一个字节，能够示意一些根本的字符、数字与字母，如 ”? \ ! . 10 A b c”。那么中文怎么办？一个字节必定是无奈满足的。于是诞生了 unicode 编码，占两个字节，能够包容所有语言的大部分文字。在 unicode 编码方式下，所有字符都须要两个字节，不管汉字还是字母（高字节全 0，低字节就是 ASCII 码），显然对于字母有些节约空间了。所以又诞生了 utf- 8 编码，这时候字符能够占 1 - 4 字节（可变的），中文汉字在 utf- 8 编码方式占 3 个字节，英文字母占 1 个字节，Go 语言采纳的就是该编码方式。这下终于明确了如何计算蕴含汉字的字符串长度了。

话不多说，再来个小事例测试一下：

package main

import "fmt"

func main() {
    str := "Go 语言还是挺不错的"
    r := []rune(str)
    for _, v := range r{fmt.Printf("%x", v)
    }
}

//47 6f 8bed 8a00 8fd8 662f 633a 4e0d 9519 7684

如同有些许不对劲，这些汉字貌似只占了 2 字节，这些是 utf- 8 编码吗？其实下面输入的都是 unicode 编码，所有字符都占 2 字节。读者能够找一些工具测试下，将下面字符串转换为 unicode，比照看后果是否统一。

必须要阐明的是，rune 其实就是 int32，该类型原本就占 4 字节。Go 语言字符串在存储时，的确是采纳 utf- 8 编码，然而当转化为[]rune 操作时，又将所有字符转化为 unicode 编码。字符串与[]rune 转化函数为 stringtoslicerune/slicerunetostring。unicode 编码与 utf- 8 编码转化函数定义在文件 runtime/utf8.go，别离为 decoderune/encoderune。

这里就不具体介绍这几个函数的具体实现了。不过须要留神的是，在应用 range 遍历字符串时，返回的是字符，也存在 utf- 8 到 unicode 编码转换。range 的实现逻辑在源码中找不到，是编译阶段主动生成的，如下：

// 参考：cmd/compile/internal/walk/range.go:walkRange

// Transform string range statements like "for v1, v2 = range a" into
//
// ha := a
// for hv1 := 0; hv1 < len(ha); {
//   hv1t := hv1
//   hv2 := rune(ha[hv1])
//   if hv2 < utf8.RuneSelf {
//      hv1++
//   } else {//      hv2, hv1 = decoderune(ha, hv1)
//   }
//   v1, v2 = hv1t, hv2
//   // original body
// }

字符串的根本应用与实现原理就解说到这里了，要牢记字符串是不可读的，而字符串相加，字符串与[]byte/[]rune 相互转换都是通过申请内存以及数据拷贝形式实现的。另外要留神中文汉字编码占 3 个字节，所以蕴含中文汉字的字符串，其长度与字符数是不同的。

正文完