golang中的字串

0.1、索引

https://waterflow.link/articles/1666449874974

1、字串編碼

在go中rune是一個unicode編碼點。

我們都知道UTF-8將字元編碼為1-4個位元組，比如我們常用的漢字，UTF-8編碼為3個位元組。所以rune也是int32的別名。

type rune = int32

當我們列印一個英文字元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個位元組：

package main

import "fmt"

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

但是當我們列印嗨的時候，會列印3個位元組。因為使用UTF-8，這個字元會被編碼成3個位元組：

package main

import "fmt"

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

所以，我們使用len內建函數輸出的並不是字元數，而是位元組數。

下面看一個有趣的例子，我們都知道漢字元使用3個位元組編碼，分別是0xE5, 0x97, 0xA8。我們執行下面程式碼會得到漢字嗨:

package main

import "fmt"

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

所以我們需要知道：

• 字元集是一組字元，而編碼描述瞭如何將字元集轉換為二進位制
• 在 Go 中，字串參照任意位元組的不可變切片
• Go 原始碼使用 UTF-8 編碼。 因此，所有字串文字都是 UTF-8 字串。 但是因為字串可以包含任意位元組，如果它是從其他地方（不是原始碼）獲得的，則不能保證它是基於 UTF-8 編碼的
• 使用 UTF-8，一個 Unicode 字元可以編碼為 1 到 4 個位元組
• 在 Go 中對字串使用 len 返回位元組數，而不是字元數

2、字串遍歷

我們在開發中經常會用到對字串進行遍歷的場景。 也許我們想對字串中的每個 rune 執行一個操作，或者實現一個自定義函數來搜尋特定的子字串。 在這兩種情況下，我們都必須遍歷字串的不同字元。 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，列印一個字串中的不同字元和對應的位置：

package main

import "fmt"

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

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

我們想要的效果是通過遍歷字串，列印出每個字元的索引。但是我們卻得到了一個特殊的字元å，其實我們想要的是嗨。

但是列印的位元組數是符合我們的預期的，因為嗨是一箇中文佔用了3個位元組，所以len返回的是7。

3、字串中的字元數

如果我們想要正確的獲取字串的字元數，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("字元位置 %d: %c\n", i, s[i])
	}
	fmt.Printf("len=%d\n", len(s))
	fmt.Printf(" rune len=%d\n", utf8.RuneCountInString(s)) // 獲取字元數
}

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

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

那我們如何列印出正確的結果呢？我們稍微修改下程式碼：

package main

import (
	"fmt"
	"unicode/utf8"
)

func main() {
	s := "h嗨llo"

	for i, v := range s { // 此處改為獲取v，可以獲取到字元本身
		fmt.Printf("字元位置 %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
字元位置 0: h
字元位置 1: 嗨
字元位置 4: l
字元位置 5: l
字元位置 6: o
len=7
 rune len=5

另外一種方法就是把字串轉換成rune切片，這樣也會正確列印結果：

package main

import (
	"fmt"
	"unicode/utf8"
)

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

	for i := range b {
		fmt.Printf("字元位置 %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
字元位置 0: h
字元位置 1: 嗨
字元位置 2: l
字元位置 3: l
字元位置 4: o
len=7
 rune len=5

下面是rune切片遍歷的過程（中間省略了將位元組轉換為rune的過程，需要遍歷位元組，複雜度為O(n)）

4、字串trim

開發中我們經常會遇到去除字串頭部或者尾部字元的操作。比如我們現在有個字串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)
}

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：

1. 從右側取出第一個字元o，判斷是否在xo中，在就移除
2. 重複步驟1，知道不符合條件

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

如果我們只想刪除最後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)
}

go run 7.go
xohello

當然也有對應的從前面刪除的函數TrimPrefix。

5、字串連線

開發中我們經常會用到連線字串的操作，在go中我們一般有2種方式。

我們先看下+號連線的方式：

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)
}

go run 7.go
 hello world

這種方式的缺點就是，由於字串的不變性，每次+號賦值的時候s不會被更新，而是重新分配記憶體，所以這種方式對效能有很大影響。

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)
}

go run 7.go
hello world

首先，我們建立了一個 strings.Builder 結構。 在每次遍歷中，我們通過呼叫 WriteString 方法構造結果字串，該方法將 value 的內容附加到其內部緩衝區，從而最大限度地減少記憶體複製。

WriteString 的第二個引數返回的是error，但是error的值會一直為nil。 之所以有第二個error引數是因為我 strings.Builder 實現了 io.StringWriter 介面，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是一個位元組切片，而裡面的實現是使用了append方法。我們知道如果切片很大，使用append會讓底層陣列不斷擴容，影響程式碼執行效率。

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。

所以上面的字串連線還有一種優化方案：

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)
}

go run 7.go
hello world

6、位元組切片轉字串

需要明確的是，位元組切片轉換成字串，需要複製一份副本出來。可以通過下面的程式碼做驗證：

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。所以位元組切片到字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位元組切片型別。而我們呼叫這些函數時經常是以字串的形式，導致我們不得不做一些位元組切片刀字串的轉換。

所以結論是，當我們需要使用字串作為入參或者返回時，我們首先要考慮的是能用位元組切片的就用位元組切片。