7. string

7.1 底层

• runtime/string.go

  type stringStruct struct {
  	str unsafe.Pointer		// 指向底层 Byte 数组
  	len int								// String 所占字节数
  }
  

• reflect/value.go

  type StringHeader struct {
  	Data uintptr
  	Len  int
  }
  

7.2 测试

	s_en := "hedonwang"
	s_cn := "王小佳"

	fmt.Println(unsafe.Sizeof(s_en)) //16
	fmt.Println(unsafe.Sizeof(s_cn)) //16
	s_en_sh := (*reflect.StringHeader)(unsafe.Pointer(&s_en))		//16
	s_cn_sh := (*reflect.StringHeader)(unsafe.Pointer(&s_cn))		//16

	fmt.Println(s_en_sh.Len)	//9
	fmt.Println(s_cn_sh.Len)	//9

Unicode & UTF-8

Go 统一使用 UTF-8 编码。

• Unicode 是一种统一的字符集，囊括了 159 种文字的 144679 个字符，14w 个字符至少需要 3 个字节表示，英文字母均排在前 128 个。
• Unicode 每个字符都用 3 个字节来表示，如果字符排在前面，就造成了很多的浪费，于是就出现变长编码 UTF-8：
  • 128 个 US-ASCII 字符只需要 1 个字节编码
  • 西方常用字符需要 2 个字节编码
  • 其他字符需要 3 个字节编码，极少数需要 4 个字节编码

7.3 访问

• fori 去访问 str[i] 访问的是 byte[] 字节数组

  str := "王小佳hedonwang"
  for i := 0; i < len(str); i++ {
    fmt.Printf("%v ", str[i])
  }
  // 231 142 139 229 176 143 228 189 179 104 101 100 111 110 119 97 110 103
  

• 访问字符需要用 for ... range，即访问 rune[] 数组

  str := "王小佳hedonwang"
  for _, char := range str {
    fmt.Printf("%c ", char)
  }
  // 王 小 佳 h e d o n w a n g
  

7.4 切分

• 先转为 rune[] 切片，再进行切片切分

  s := string([]rune(s)[:3])