Go中rune类型浅析

一、字符串简单遍历操作

在很多语言中，字符串都是不可变类型，golang也是。

1、访问字符串字符

如下代码，可以实现访问字符串的单个字符和单个字节

package main

import (
	"fmt"
)

// 字符串每个字节十六进制打印
func printBytes(s string){
	fmt.Printf("Bytes: ")
	for i := 0; i < len(s); i++{
		fmt.Printf("%x ", s[i])
	}
	fmt.Printf("\n")
}

// 打印字符串的每一个字符
func printChars(s string)  {
	fmt.Printf("Charaters: ")
	for i := 0; i < len(s); i++{
		fmt.Printf("%c ", s[i])
	}
	fmt.Printf("\n")
}


func main(){
	var s1 = "golang"

	fmt.Printf("s1: %s, len(s1)=%d\n", s1, len(s1))
	printBytes(s1)
	printChars(s1)
}

执行结果为：

s1: golang, len(s1)=6
Bytes: 67 6f 6c 61 6e 67
Charaters: g o l a n g

字符串golang长度为6，%x按照十六进制格式输出每一个字符的ASCII码，%c对应格式输出每一个字符。

2、查看中文字符存在问题

上述代码针对字符串s1=golang没有异常，看起来实现的两个函数也是访问字符串单个字符的合法方式，但这有一个严重的错误。上面的程序没有考虑字符串中一个字符占多字节的情况，例如 中文字符。来看下面代码：

package main

import (
	"fmt"
)

// 字符串每个字节十六进制打印
func printBytes(s string){
	fmt.Printf("Bytes: ")
	for i := 0; i < len(s); i++{
		fmt.Printf("%x ", s[i])
	}
	fmt.Printf("\n")
}

// 打印字符串的每一个字符
func printChars(s string)  {
	fmt.Printf("Charaters: ")
	for i := 0; i < len(s); i++{
		fmt.Printf("%c ", s[i])
	}
	fmt.Printf("\n")
}


func main(){
	var s2 = "Go编程"

	fmt.Printf("s2: %s, len(s1)=%d\n", s2, len(s2))
	printBytes(s2)
	printChars(s2)

}

执行结果为：

s2: Go编程, len(s1)=8
Bytes: 47 6f e7 bc 96 e7 a8 8b
Charaters: G o ç ¼ * _ ^ ~

按照想法，应该正常打印出Charaters: G o 编 程的字符，但是输出Charaters: G o ç ¼ *乱码，而明显的长度应该为4，这里显示len(s1)=8，长度为8。

3、原因

golang中string底层是通过byte数组实现的，所以直接求len，实际是在按字节长度计算。中文字符在unicode下占2个字节，在utf-8编码下占3个字节，而golang默认编码正好是utf-8。所以一个汉字占3个字节算了3个长度。所以打印长度为8=2(Go)+3(编)+3(程)。

二、rune类型

1、使用rune类型遍历字符

如何按照预期一个包含中文字符的字符串长度，而非字节长度？代码如下：

package main

import (
    "fmt"
    "unicode/utf8"
)


func printChars(s string) { 
    fmt.Printf("Characters: ") 
    runes := []rune(s) 
    for i := 0; i < len(runes); i++ {               
      fmt.Printf("%c ", runes[i]) 
    } 
}

func main() {

    var s = "Go编程"
    fmt.Println("s :", s)
    // 输出字符占用字节个数
    fmt.Println("len(s):", len(s))
    
    // 方案一
    //golang中的unicode/utf8包提供了用utf-8获取长度的方法
    fmt.Println("RuneCountInString:", utf8.RuneCountInString(str))

    //方案二
    //通过rune类型处理unicode字符
    fmt.Println("rune:", len([]rune(str)))
    
    printBytes(s)
}

执行结果：

s: Go编程
len(s): 8
RuneCountInString: 4
rune: 4
Characters: Go编程

可以通过rune类型转换可以正常输出每个中文字符，包括字符串中的字符个数。

说明：golang中rune是内置类型，是int32类型的别名，而byte数据类型等同于int8类型

• byte常用来处理ascii字符
• rune可以处理utf-8字符

2、 获取字节下标

为了更进一步看清楚每个字符占用的字节数，查看字符串中字符的字节下标

package main

import (
	"fmt"
)

func charsIndex(s string) {
	for index, r := range s {
		fmt.Printf("字符 %c 从第 %d 个字节开始\n", r, index)
	}
}

func main() {
	s := "Go编程"
	fmt.Println("s: ", s)
	fmt.Println("len rune:", len([]rune(s)))
	charsIndex(s)
}

执行结果如下

s:  Go编程
len rune: 4
字符 G 从第 0 个字节开始
字符 o 从第 1 个字节开始
字符 编 从第 2 个字节开始
字符 程 从第 5 个字节开始

从上面输出可以看到，在utf-8编码下，每个英文字符占用1个字节，中文字符占用3个字节。