Go 语言函数式编程系列教程(六) —— 数据类型篇:字符串和字符类型

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
str_2 := "你好,学院君   // 也可以同时进行声明和初始化

获取单个字符

要获取字符串中的某个字符,可以通过访问数组下标的方式:

ch := str[0] // 取字符串的第一个字符 

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(用法和 PHP 中的 printf 类似):

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

与 PHP 不同,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.

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,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, 学院君」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。不过,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:https://github.com/qiniu/iconv

字符串操作

字符串连接

PHP 默认提供了丰富的字符串函数对字符串进行操作,Go 也不例外,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「+」即可(PHP 里面使用的是「.」):

str = str + ", 学院君"
str += ", 学院君"  // 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「+」必须出现在上一行的末尾,否则会报错:

str = str +
        ", 学院君"

字符串切片

在 PHP 中我们可以通过 substr 函数获取字符串的子串,在 Go 语言中,可以通过字符串切片功能实现类似的操作,相比 substr 函数,使用起来更加方便:

str = "hello, world"
str_1 := str[:5]  // 获取索引5(不含)之前的子串
str_2 := str[7:]  // 获取索引7(含)之后的子串
str_3 := str[0:5]  // 获取从索引0(含)到索引5(不含)之间的子串
fmt.Println(str_1)
fmt.Println(str_2)
fmt.Println(str_3)

上述代码打印结果如下:

hello
world
hello

字符串切片和 PHP 的 substr 函数使用方式有所差异,通过「:」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。

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。

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,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,以 Unicode 字符方式遍历时,每个字符的类型是 rune(早期的 Go 语言用 int 类型表示 Unicode 字符),而不是 byte

字符类型

和 PHP 不同,Go 语言对单个字符进行了单独的类型支持,在 Go 语言中支持两个字符类型,一个是 byte(实际上是 uint8 的别名),代表 UTF-8 字符串的单个字节的值;另一个是 rune,代表单个 Unicode 字符。 关于 rune 相关的操作,可查阅 Go 标准库的 unicode 包。 另外 unicode/utf8 包也提供了 UTF-8 和 Unicode 之间的转换。

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。尽管 Unicode 字符在标准库中有支持,但实际上较少使用。