0.1、索引

https://waterflow.link/articles/1666449874974

1、字符串编码

在go中rune是一个unicode编码点。

咱们都晓得UTF-8将字符编码为1-4个字节，比方咱们罕用的汉字，UTF-8编码为3个字节。所以rune也是int32的别名。

type rune = int32

当咱们打印一个英文字符hello的时候，咱们能够失去s的长度为5，因为英文字母代表1个字节：

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

然而当咱们打印嗨的时候，会打印3个字节。因为应用UTF-8，这个字符会被编码成3个字节：

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

所以，咱们应用len内置函数输入的并不是字符数，而是字节数。

上面看一个乏味的例子，咱们都晓得汉字符应用3个字节编码，别离是0xE5, 0x97, 0xA8。咱们运行上面代码会失去汉字嗨:

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

所以咱们须要晓得：

  • 字符集是一组字符，而编码形容了如何将字符集转换为二进制
  • 在 Go 中，字符串援用任意字节的不可变切片
  • Go 源码应用 UTF-8 编码。 因而，所有字符串文字都是 UTF-8 字符串。 然而因为字符串能够蕴含任意字节，如果它是从其余中央（不是源码）取得的，则不能保障它是基于 UTF-8 编码的
  • 应用 UTF-8，一个 Unicode 字符能够编码为 1 到 4 个字节
  • 在 Go 中对字符串应用 len 返回字节数，而不是字符数

2、字符串遍历

咱们在开发中常常会用到对字符串进行遍历的场景。 兴许咱们想对字符串中的每个 rune 执行一个操作，或者实现一个自定义函数来搜寻特定的子字符串。 在这两种状况下，咱们都必须遍历字符串的不同字符。 但往往会失去让咱们意想不到的后果。

咱们看下上面的例子，打印一个字符串中的不同字符和对应的地位：

package mainimport "fmt"func main() {    s := "h嗨llo"    for i := range s {        fmt.Printf("字符地位 %d: %c\n", i, s[i])    }    fmt.Printf("len=%d\n", len(s))}
go run 7.go字符地位 0: h字符地位 1: å字符地位 4: l字符地位 5: l字符地位 6: olen=7

咱们想要的成果是通过遍历字符串，打印出每个字符的索引。然而咱们却失去了一个非凡的字符å，其实咱们想要的是嗨。

然而打印的字节数是合乎咱们的预期的，因为嗨是一个中文占用了3个字节，所以len返回的是7。

3、字符串中的字符数

如果咱们想要正确的获取字符串的字符数，能够应用go中的utf8包：

package mainimport (    "fmt"    "unicode/utf8")func main() {    s := "h嗨llo"    for i := range s {        fmt.Printf("字符地位 %d: %c\n", i, s[i])    }    fmt.Printf("len=%d\n", len(s))    fmt.Printf(" rune len=%d\n", utf8.RuneCountInString(s)) // 获取字符数}
go run 7.go字符地位 0: h字符地位 1: å字符地位 4: l字符地位 5: l字符地位 6: olen=7 rune len=5

在这个例子中，能够看到，咱们的确遍历了5次，也就是对应字符串的5个字符。然而咱们获取到的索引其实是对应每个字符的起始地位。像上面这样

那咱们如何打印出正确的后果呢？咱们略微批改下代码：

package mainimport (    "fmt"    "unicode/utf8")func main() {    s := "h嗨llo"    for i, v := range s { // 此处改为获取v，能够获取到字符自身        fmt.Printf("字符地位 %d: %c\n", i, v)    }    fmt.Printf("len=%d\n", len(s))    fmt.Printf(" rune len=%d\n", utf8.RuneCountInString(s))}
go run 7.go字符地位 0: h字符地位 1: 嗨字符地位 4: l字符地位 5: l字符地位 6: olen=7 rune len=5

另外一种办法就是把字符串转换成rune切片，这样也会正确打印后果：

package mainimport (    "fmt"    "unicode/utf8")func main() {    s := "h嗨llo"    b := []rune(s)    for i := range b {        fmt.Printf("字符地位 %d: %c\n", i, b[i])    }    fmt.Printf("len=%d\n", len(s))    fmt.Printf(" rune len=%d\n", utf8.RuneCountInString(s))}
go run 7.go字符地位 0: h字符地位 1: 嗨字符地位 2: l字符地位 3: l字符地位 4: olen=7 rune len=5

上面是rune切片遍历的过程（两头省略了将字节转换为rune的过程，须要遍历字节，复杂度为O(n)）

4、字符串trim

开发中咱们常常会遇到去除字符串头部或者尾部字符的操作。比方咱们当初有个字符串xohelloxo，当初咱们想去除尾部的xo，可能咱们会像上面这样写：

package mainimport (    "fmt"    "strings")func main() {    s := "xohelloxo"    s = strings.TrimRight(s, "xo")    fmt.Println(s)}
go run 7.goxohell

能够看到这不是咱们冀望的后果。咱们能够看下TrimRight的工作原理：

  1. 从右侧取出第一个字符o，判断是否在xo中，在就移除
  2. 反复步骤1，晓得不符合条件

所以就能够解释通了。当然和它类似的TrimLeft和Trim也是一样的原理。

如果咱们只想删除最初xo能够应用TrimSuffix函数：

package mainimport (    "fmt"    "strings")func main() {    s := "xohelloxo"    s = strings.TrimSuffix(s, "xo")    fmt.Println(s)}
go run 7.goxohello

当然也有对应的从后面删除的函数TrimPrefix。

5、字符串连贯

开发中咱们常常会用到连贯字符串的操作，在go中咱们个别有2种形式。

咱们先看下+号连贯的形式：

package mainimport (    "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)}
go run 7.go hello world

这种形式的毛病就是，因为字符串的不变性，每次+号赋值的时候s不会被更新，而是从新分配内存，所以这种形式对性能有很大影响。

还有一种形式就是应用strings.Builder：

package mainimport (    "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)}
go run 7.gohello world

首先，咱们创立了一个 strings.Builder 构造。 在每次遍历中，咱们通过调用 WriteString 办法结构后果字符串，该办法将 value 的内容附加到其外部缓冲区，从而最大限度地缩小内存复制。

WriteString 的第二个参数返回的是error，然而error的值会始终为nil。 之所以有第二个error参数是因为我 strings.Builder 实现了 io.StringWriter 接口，它蕴含一个办法：WriteString(s string) (n int, err error)。

咱们看下WriteString的外部是什么样的：

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

咱们能够看到b.buf是一个字节切片，而外面的实现是应用了append办法。咱们晓得如果切片很大，应用append会让底层数组一直扩容，影响代码执行效率。

咱们晓得解决这个问题的办法是，如果当时晓得切片的大小，咱们能够在初始化的时候就调配好切片的容量。

所以下面的字符串连贯还有一种优化计划：

package mainimport (    "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) // 这里会重新分配b.buf的长度和容量    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)}
go run 7.gohello world

6、字节切片转字符串

须要明确的是，字节切片转换成字符串，须要复制一份正本进去。能够通过上面的代码做验证：

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

事实上，下面将会输入abc而不是axc。所以字节切片到字符串的转换是有开销的。

然而咱们开发中常常用到的包iio.Read之类的，入参或者返回常常是字节切片类型。而咱们调用这些函数时常常是以字符串的模式，导致咱们不得不做一些字节切片刀字符串的转换。

所以论断是，当咱们须要应用字符串作为入参或者返回时，咱们首先要思考的是能用字节切片的就用字节切片。