Golang⼊门：字符串及底层字符类型
字符串
基本使⽤
在 Go 语⾔中，字符串是⼀种基本类型，默认是通过UTF-8编码的字符序列，当字符为ASCII码时则占⽤ 1 个字节，其它字符根据需要占⽤2-4 个字节，⽐如中⽂编码通常需要 3 个字节。
声明和初始化
字符串的声明和初始化⾮常简单，举例如下：
var str string        // 声明字符串变量
str = "Hello World"    // 变量初始化
str2 := "你好呀"  // 也可以同时进⾏声明和初始化
格式化输出
还可以通过 Go 语⾔内置的len()函数获取指定字符串的长度，以及通过fmt包提供的Printf进⾏字符串格式化输出：
fmt.Printf("The length of \"%s\" is %d \n", str, len(str))
fmt.Printf("The first character of \"%s\" is %c.\n", str, ch)
转义字符
Go 语⾔的字符串不⽀持单引号，只能通过双引号定义字符串字⾯值，如果要对特定字符进⾏转义，可以通过 \ 实现，就像我们上⾯在字符串中转义双引号和换⾏符那样，常见的需要转义的字符如下所⽰：
\n：换⾏符
\r：回车符
\t：tab 键
\u或 \U ：Unicode 字符
\\：反斜杠⾃⾝
所以，上述打印代码输出结果为：
The length of "Hello world" is 11
The first character of "Hello world" is H.
除此之外，你可以通过如下⽅式在字符串中包含 "：
label := `Search results for "Golang":`
多⾏字符串
对于多⾏字符串，也可以通过 ` 构建：
results := `Search results for "Golang":
- Go
- Golang
Golang Programming
`
fmt.Printf("%s", results)
打印结果如下：
Search results for "Golang":
- Go
- Golang
- Golang Programming
当然，使⽤ + 连接符也是可以的：
results := "Search results for \"Golang\":\n" +
"- Go\n" +
"- Golang\n" +
"- Golang Programming\n"
fmt.Printf("%s", results)
打印结果是⼀样的，但是要多输⼊不少字符，也不如上⼀种实现优雅。
不可变值类型
虽然可以通过数组下标⽅式访问字符串中的字符：
ch := str[0] // 取字符串的第⼀个字符
但是和数组不同，在 Go 语⾔中，字符串是⼀种不可变值类型，⼀旦初始化之后，它的内容不能被修改，⽐如看下⾯这个例⼦：
str := "Hello world"
str[0] = 'X' // 编译错误
编译器会报类似如下的错误：
cannot assign to str[0]
字符编码
Go 语⾔中字符串默认是UTF-8编码的Unicode字符序列，所以可以包含⾮ANSI字符，⽐如「Hello, 世界」可以出现在 Go 代码中。
但需要注意的是，如果你的 Go 代码需要包含⾮ANSI字符，保存源⽂件时请注意编码格式必须选择UTF-8。特别是在Windows下⼀般编辑器都默认保存为本地编码，⽐如中国地区可能是GBK编码⽽不是UTF-8，如果没注意到这点在编译和运⾏时就会出现⼀些意料之外的情况。
字符串的编码转换是处理⽂本⽂档（⽐如 TXT、XML、HTML 等）时⾮常常见的需求，不过 Go 语⾔默认仅⽀持UTF-8和Unicode编码，对于其他编码，Go 语⾔标准库并没有内置的编码转换⽀持。所幸的是我们可以很容易基于iconv库包装⼀个，这⾥有⼀个开源项⽬可供参考：
字符串操作
字符串连接
Go 内置提供了丰富的字符串函数，常见的操作包含连接、获取长度和指定字符，获取长度和指定字符前⾯已经介绍过，字符串连接只需要通过 + 连接符即可：
str = str + ", 世界"
str += ", 世界"  // 上述语句也可以简写为这样，效果完全⼀样
另外，还有⼀点需要注意的是如果字符串长度较长，需要换⾏，则+连接符必须出现在上⼀⾏的末尾，否则会报错：
str = str +
", 世界"
字符串切⽚
在 Go 语⾔中，可以通过字符串切⽚实现获取⼦串的功能：
str := "hello, world"
str1 := str[:5]  // 获取索引5（不含）之前的⼦串
str2 := str[7:]  // 获取索引7（含）之后的⼦串
str3 := str[0:5]  // 获取从索引0（含）到索引5（不含）之间的⼦串
fmt.Println("str1:", str1)
fmt.Println("str2:", str2)
fmt.Println("str3:", str3)
Go 切⽚区间可以对⽐数学中的区间概念来理解，它是⼀个左闭右开的区间，⽐如上述str[0:5]对应到字符串元素的区间是[0,5)，str[:5]对应的区间是[0,5)（数组索引从 0 开始），str[7:]对应的区间是[7:len(str)]（这是闭区间，是个例外，因为没有指定区间结尾）。
所以，上述代码打印结果如下：
str1: hello
str2: world
str3: hello
综上所述，字符串切⽚通过 : 连接的起始点和结束点索引对字符串进⾏切⽚，冒号之前的数字代表起始点，为空表⽰从 0 开始，之后的数字代表结束点，为空表⽰到字符串最后，⽽不是⼦串的长度。所以str[:]会打印出完整的字符串来。
此外 Go 字符串也⽀持字符串⽐较、是否包含指定字符/⼦串、获取指定⼦串索引位置、字符串替换、⼤⼩写转换、trim 等操作，更多操作API，请参考标准库strings 包，这⾥就不⼀⼀展⽰了。
字符串遍历
Go 语⾔⽀持两种⽅式遍历字符串。
⼀种是以字节数组的⽅式遍历：
str := "Hello, 世界"
n := len(str)
for i := 0; i < n; i++ {
ch := str[i]    // 依据下标取字符串中的字符，ch 类型为 byte
fmt.Println(i, ch)
}
这个例⼦的输出结果为：
0 72
1 101
2 108
3 108
4 111
5 44
6 32
7 228
8 184
9 150
10 231
11 149
12 140
可以看出，这个字符串长度为 13，尽管从直观上来说，这个字符串应该只有 9 个字符。这是因为每个中⽂字符在 UTF-8 中占 3 个字节，⽽不是 1 个字节。
另⼀种是以 Unicode 字符遍历：
str := "Hello, 世界"
for i, ch := range str {
fmt.Println(i, ch)    // ch 的类型为 rune
}
输出结果为：
0 72
1 101
2 108
3 108
4 111
5 44
6 32
7 19990
10 30028
这个时候，打印的就是 9 个字符了，因为以Unicode字符⽅式遍历时，每个字符的类型是rune，⽽不是byte。
看到这⾥可能你有点懵，会好奇 Go 底层到底是如何存储字符串的，为什么不同遍历⽅式获取的结果不同呢？下⾯就来给⼤家简单掰扯掰扯。
底层字符类型
Go 语⾔对字符串中的单个字符进⾏了单独的类型⽀持，在 Go 语⾔中⽀持两种字符类型：
⼀种是byte，代表UTF-8编码中单个字节的值（它也是uint8类型的别名，两者是等价的，因为正好占据 1 个字节的内存空间），它可⽤于区分字节值和8位⽆符号整数值。；
另⼀种是rune，代表单个Unicode字符（它也是uint32类型的别名，因为正好占据 4 个字节的内存空间。关于rune相关的操作，可查阅Go 标准库的unicode包），它可⽤于区分字符值和整数值。。
rune、byte和string都是 Go 的内置类型。string是所有8位字节字符串的集合，通常但不⼀定代表UTF-8编码的⽂本，字符串可能为空，但是不能为 nil，字符串类型的值是不可变的。
由上⾯得解释我们⼤概可以明⽩，rune可以表⽰得⽐byte多，string类型的底层是⼀个byte 数组
字节和字符
刚刚上⾯标注了字节和字符，现在我们来梳理字符和字节的概念
存储单位字节
计算机存储信息的最⼩单位，称之为位 bit，⼆进制的⼀个0或1叫⼀位
字符串函数源码
计算机存储容量基本单位是字节 Byte，8个⼆进制位组成 1 个字节
信息表⽰单位字符
字符是⼀种符号，像英⽂a和中⽂阿就是不同字符
不同的字符在不同的编码格式下，所需要的存储单位不⼀样
ASCLII 编码中⼀个英⽂字母⼀字节，⼀个汉字两字节
UTF-8 编码中⼀个英⽂字母⼀字节，⼀个常见汉字3字节，不常⽤的超⼤字符集汉字4字节
UTF-8 和 Unicode 的区别
说到这⾥，我们需要区分UTF-8和Unicode的区别。
Unicode是⼀种字符集，囊括了⽬前世界上所有语⾔的所有字符，与之类似的术语还有ASCII字符集（仅包含 256 个字符）、ISO 8859-1字符集等（包含所有西⽅拉丁字母），⼴义的Unicode既包含了字符集，也包含了编码规则，⽐如UTF-8、UTF-16、UTF8MB4、GBK等。
因此UTF-8是Unicode字符集的实现⽅式之⼀，它会将Unicode字符以某种⽅式进⾏编码。在具体实现时，
UTF-8是⼀种变长的编码规则，从
1~4 个字节不等，⽐如英⽂字符是 1 个字节，中⽂字符是 3 个字节。通过UTF-8编码的Unicode字符以最⼤长度 4 个字节作为单个字符固定占据的内存空间，在 Go 语⾔中可以通过unicode/utf8包进⾏UTF-8和Unicode之间的转换。
所以如果从Unicode字符集的视⾓看，字符串的每个字符都是⼀个字符的独⽴单元，但如果从UTF-8编码的视⾓看，⼀个字符可能是由多个字节编码⽽来的。
我们通过len函数获取到的是字符串的字节长度，再据此通过字符数组的⽅式遍历字符串时，是以UTF-8编码的⾓度切⼊的；⽽当我们通过range关键字遍历字符串时，⼜是从Unicode字符集的⾓度切⼊的，如此⼀来就得到了不同的结果。
出于简化语⾔的考虑，Go 语⾔的多数API都假设字符串为UTF-8编码。
Go 源码⽂件默认采⽤Unicode字符集，Unicode码点和内存中字节序列的变换实现使⽤了UTF-8，这使得Go编程⽆需考虑编码转换的问题⾮常⽅便
从编码上来分析
byte⽤来强调⼀个字节代表的数据（例如字符 a 就是 97），⽽不是数字；
byte的操作单位是⼀个字节，可以理解为⼀个英⽂字符
rune⽤来表⽰Unicode的码点，即⼀个字符
rune的操作单位是⼀个字符，不管这个字符是什么字符
通俗⼀点
byte只能操作简单的字符，不⽀持中⽂操作
rune能操作任何字符
将 Unicode 编码转化为可打印字符
如果你想要将 Unicode 字符编码转化为对应的字符，可以使⽤string函数进⾏转化：：
str := "Hello, 世界"
for i, ch := range str {
fmt.Println(i, string(ch))
}
对应的打印结果如下：
0 H
1 e
2 l
3 l
4 o
5 ,
6
7 世
10 界
UTF-8编码不能这样转化，英⽂字符没问题，因为⼀个英⽂字符就是⼀个字节，中⽂字符则会乱码，因为⼀个中⽂字符编码需要三个字节，转化单个字节会出现乱码。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。