Go语言：正确遍历字符串Unicode字符（Rune）的指南

go语言中的字符串是utf-8编码的字节序列。直接通过索引访问 `str[i]` 会得到一个字节，而非unicode字符（rune）。要正确地按字符（rune）遍历字符串，应使用 `for...range` 循环。它会自动解析utf-8编码，并提供每个rune的起始字节位置及其对应的rune值，是处理多字节字符的推荐方式。

在Go语言中，字符串的内部表示是一个只读的字节切片（[]byte），并且默认采用UTF-8编码。这意味着，当你尝试使用 str[i] 这样的方式来访问字符串的某个位置时，你获取到的是一个 byte 类型的值（即 uint8），而不是一个Unicode字符（rune）。对于只包含ASCII字符的字符串，一个字节通常对应一个字符，这种访问方式似乎没有问题。然而，一旦字符串中包含多字节的Unicode字符（例如中文、日文等），str[i] 将无法正确地表示一个完整的字符，这会导致逻辑错误。

1. 为什么 str[i] 无法正确获取 Rune？

Go语言中的 byte 类型是 uint8 的别名，它只能存储一个8位的无符号整数。而一个Unicode字符（rune）在UTF-8编码下可能占用1到4个字节。例如，一个英文字母 'A' 占用1个字节，而一个中文字 '日' 则占用3个字节。

考虑以下代码片段，它试图通过索引遍历字符串：

package main

import "fmt"

func main() {
    str := "你好world"
    for i := 0; i < len(str); i++ {
        // str[i] 的类型是 byte
        fmt.Printf("索引 %d: 字节值 %d (%c)\n", i, str[i], str[i])
    }
}

运行这段代码，你会发现对于“你好”这样的字符，str[i] 会输出构成这些字符的各个字节，而不是完整的字符本身。%c 格式化动词在遇到多字节字符的单个字节时，可能会显示乱码或问号，因为它尝试将单个字节解释为一个字符。

立即学习“go语言免费学习笔记（深入）”；

2. 使用 for...range 遍历 Rune

Go语言提供了一种简洁且惯用的方式来正确遍历字符串中的Unicode字符——使用 for...range 循环。当 for...range 用于字符串时，它会自动解析UTF-8编码，并为每次迭代提供两个值：

• pos：当前 rune 在字符串中的起始字节位置。
• char：当前 rune 的值，其类型为 rune（即 int32）。

以下是使用 for...range 遍历字符串的正确示例：

package main

import "fmt"

func main() {
    str := "日本語"
    for pos, char := range str {
        fmt.Printf("字符 '%c' (Rune值: %U) 始于字节位置 %d\n", char, char, pos)
    }
}

运行上述代码，你将得到如下输出：

落笔AI

AI写作，AI写网文、AI写长篇小说、短篇小说

41

查看详情

字符 '日' (Rune值: U+65E5) 始于字节位置 0
字符 '本' (Rune值: U+672C) 始于字节位置 3
字符 '語' (Rune值: U+8A9E) 始于字节位置 6

从输出中可以看出：

• pos 变量的值不再是简单地递增1，而是根据每个 rune 所占的字节数进行递增。例如，字符 '日' 占用3个字节，所以下一个字符 '本' 的起始字节位置是 0 + 3 = 3。
• char 变量正确地表示了每个Unicode字符，其类型是 rune。

3. 注意事项与最佳实践

• rune 与 byte 的区别：

  • byte 是 uint8 的别名，代表一个8位字节。
  • rune 是 int32 的别名，代表一个Unicode码点。在Go中，它就是你通常所说的“字符”。

• 字符串长度：len(str) 返回的是字符串的字节长度，而不是字符（rune）的数量。如果需要获取字符串中的 rune 数量，可以使用 utf8.RuneCountInString(str) 函数。

• 随机访问：for...range 适用于顺序遍历。如果需要按 rune 索引进行随机访问（例如，获取字符串的第N个字符），可以先将字符串转换为 []rune 类型：

  package main
  
  import "fmt"
  
  func main() {
      s := "Hello, 世界"
      runes := []rune(s) // 将字符串转换为 rune 切片
  
      fmt.Printf("字符串的字节长度: %d\n", len(s))
      fmt.Printf("字符串的rune数量: %d\n", len(runes))
  
      // 访问第二个rune（索引为1）
      fmt.Printf("第二个rune是: %c\n", runes[1]) // 输出 'e'
  
      // 访问第七个rune（索引为6），即'世'
      fmt.Printf("第七个rune是: %c\n", runes[6]) // 输出 '世'
  }

  登录后复制

  请注意，将字符串转换为 []rune 会创建一个新的内存副本。

总结

在Go语言中处理字符串时，理解其UTF-8编码的本质至关重要。当你的目标是按Unicode字符（rune）进行操作时，始终推荐使用 for...range 循环。它不仅能够自动处理UTF-8解码，还能提供准确的 rune 值和其在字符串中的字节起始位置，从而避免因多字节字符引起的潜在错误。对于需要随机访问或获取 rune 数量的场景，转换为 []rune 是一个有效的解决方案。

以上就是Go语言：正确遍历字符串Unicode字符（Rune）的指南的详细内容，更多请关注php中文网其它相关文章！