解析为什么Go语言要使用[]rune而不是string来表示中文字符

众所周知，Go语言中有以下这些数据类型。但rune32这个go语言特有的数据类型，比较有意思却经常遭到忽视。所以今天探索学习一下这个数据类型的功能、用法。

Go基本数据类型

布尔：bool

字符串：string

整数：

int int8 int16 int32 int64

uint uint8 uint16 uint32 uint64

字节：byte ，uint8 的别名

Unicode：rune ，int32 的别名

浮点：float32 float64

复数：complex64 complex128

Go语言中的中文字符

一个趣味的测试

先做一个趣味的小测试

go 复制代码

package main

import "fmt"

func main() {
	str := "你好我是climber"
	fmt.Println("字符串长度为:", len(str))
	for i := 0; i < len(str); i++ {
		fmt.Println("第", i+1, "个字符为:", str[i:i+1])
	}
}

结果如下：

如果修改输出内容为

go 复制代码

fmt.Println("第", i+1, "个字符为:", str[i])

则结果为

如果我们分别给他们加上强制转换为string类型

go 复制代码

	for i := 0; i < len(str); i++ {
		fmt.Println("第", i+1, "个字符为:", string(str[i:i+1]))
	}
	fmt.Println("字符串长度为:", len(str))
	for i := 0; i < len(str); i++ {
		fmt.Println("第", i+1, "个字符为:", string(str[i]))
	}

那么结果又是这样：

我们发现，所输出的分别是乱码和奇怪的字符

结果及其原因分析

通过对比我们发现，对string进行切片输出，每次输出一位，中文字符会显示为乱码。而单独输出的每一位都对应的是数字。

归纳原因，string的底层是byte数组形式存储数据的。而byte的底层实质上是type byte = uint8。字符的底层是UTF-8编码，因此对于一个汉字，需要使用3个byte进行存储，而英文字符只需要一个。

对于str[i:i+1],所输出的是一个长度为1的[]byte。因为使用切片访问时，获得的是一个新的字符串。因此相当于是"三分之一个汉字"，所以自然就会导致乱码。

对于str[i]，所输出的是这一位byte的内容。因为利用索引访问时，输出的是此处原始字节值。所以输出的是数字。但对其进行强制转换，那么所获得的就是对应位置的字符了。

所以如果想通过此方法输出字符串中的一位汉字，应该是输出str[i,i+3]。具体位置需要自己算。

使用[]rune操作中文字符

rune的底层是type rune = int32。相当于4个byte，所占位置是4字节。

我们也可以打印内存地址看到。

go 复制代码

func main() {
	str := []rune("你好我是climber")
	fmt.Println(str)
	fmt.Println(&str[0])
	for i := 0; i < 11; i++ {
		fmt.Println(&str[i])
	}
}

而通过内存对齐，可以实现一个位置只存储一个中文或英文字符。这样情况下，输出len(),或切片输出，也就都可以获取预期值了。

go 复制代码

func main() {
	str := []rune("你好我是climber")
	fmt.Println(len(str))
	for i := 0; i < 10; i++ {
		fmt.Println(string(str[i : i+1]))
	}

}

参考资源

http://www.17bigdata.com/study/programming/it-go/it-go-240840.html

https://draveness.me/golang/docs/part2-foundation/ch03-datastructure/golang-string/