有趣的面试题:Go语言字符串的字节长度和字符个数

背景

哈喽,大家好,我是asong。今天我们一起来看看Go语言中的rune数据类型,首先从一道面试题入手,你能很快说出下面这道题的答案吗?

func main()  {
 str := "Golang梦工厂"
 fmt.Println(len(str))
 fmt.Println(len([]rune(str)))
}

运行结果是1515还是159呢?先思考一下,一会揭晓答案。

其实这并不是一道面试题,是我在日常开发中遇到的一个问题,当时场景是这样的:后端要对前端传来的字符串做字符校验,产品的需求是限制为200字符,然后我在后端做校验时直接使用len(str) > 200来做判断,结果出现了bug,前端字符校验没有超过200字符,调用后端接口确一直是参数错误,改成使用len([]rune(str)) > 200成功解决了这个问题。具体原因我们在文中揭晓。

Unicode和字符编码

在介绍rune类型之前,我们还是要从一些基础知识开始。------ Unicode和字符编码。

  • 什么是Unicode

我们都知道计算机只能处理数字,如果想要处理文本需要转换为数字才能处理,早些时候,计算机在设计上采用8bit作为一个byte,一个byte表示的最大整数就是255,想表示更大的整数,就需要更多的byte。显然,一个字节表示中文,是不够的,至少需要两个字节,而且还不能和ASCII编码冲突,所以,我国制定了GB2312编码,用来把中文编进去。但是世界上有很多语言,不同语言制定一个编码,就会不可避免地出现冲突,所以unicode字符就是来解决这个痛点的。Unicode把所有语言都统一到一套编码里。总结来说:"unicode其实就是对字符的一种编码方式,可以理解为一个字符---数字的映射机制,利用一个数字即可表示一个字符。"

  • 什么是字符编码?

虽然unicode把所有语言统一到一套编码里了,但是他却没有规定字符对应的二进制码是如何存储。以汉字“汉”为例,它的 Unicode 码点是 0x6c49,对应的二进制数是 110110001001001,二进制数有 15位,这也就说明了它至少需要 2个字节来表示。可以想象,在Unicode 字典中往后的字符可能就需要 3个字节或者 4个字节,甚至更多字节来表示了。

这就导致了一些问题,计算机怎么知道你这个2个字节表示的是一个字符,而不是分别表示两个字符呢?这里我们可能会想到,那就取个最大的,假如 Unicode中最大的字符用4 字节就可以表示了,那么我们就将所有的字符都用4个字节来表示,不够的就往前面补0。这样确实可以解决编码问题,但是却造成了空间的极大浪费,如果是一个英文文档,那文件大小就大出了3 倍,这显然是无法接受的。

于是,为了较好的解决Unicode 的编码问题, UTF-8UTF-16 两种当前比较流行的编码方式诞生了。UTF-8 是目前互联网上使用最广泛的一种Unicode编码方式,它的最大特点就是可变长。它可以使用 1 - 4个字节表示一个字符,根据字符的不同变换长度。在UTF-8编码中,一个英文为一个字节,一个中文为三个字节。

Go语言中的字符串

基本概念

先来看一下官方对string的定义:

// string is the set of all strings of 8-bit bytes, conventionally but not
// necessarily representing UTF-8-encoded text. A string may be empty, but
// not nil. Values of string type are immutable.
type string string

人工翻译:

string8位字节的集合,通常但不一定代表UTF-8编码的文本。string可以为空,但不能为nilstring的值是不能改变的

说得通俗一点,其实字符串实际上是只读的字节切片,对于字符串底层而言就是一个byte数组,不过这个数组是只读的,不允许修改。

有趣的面试题:Go语言字符串的字节长度和字符个数_第1张图片

写个例子验证一下:

func main()  {
 byte1 := []byte("Hl Asong!")
 byte1[1] = 'i'

 str1 := "Hl Asong!"
 str1[1] = 'i'
}

对于byte的操作是可行,而string操作会直接报错:

cannot assign to str1[1]

所以说string修改操作是不允许的,仅仅支持替换操作。

根据前面的分析,我们也可以得出我们将字符存储在字符串中时,也就是按字节进行存储的,所以最后存储的其实是一个数值。

Go语言的字符串编码

上面我们介绍了字符串的基本概念,接下来我们看一下Go语言中的字符串编码是怎样的。

Go源代码为 UTF-8 编码格式的,源代码中的字符串直接量是 UTF-8 文本。所以Go语言中字符串是UTF-8编码格式的。

Go语言字符串循环

Go语言中字符串可以使用range循环和下标循环。我们写一个例子,看一下两种方式循环有什么区别:

func main()  {
 str := "Golang梦工厂"
 for k,v := range str{
  fmt.Printf("v type: %T index,val: %v,%v \n",v,k,v)
 }
 for i:=0 ; i< len(str) ; i++{
  fmt.Printf("v type: %T index,val:%v,%v \n",str[i],i,str[i])
 }
}

运行结果:

v type: int32 index,val: 0,71 
v type: int32 index,val: 1,111 
v type: int32 index,val: 2,108 
v type: int32 index,val: 3,97 
v type: int32 index,val: 4,110 
v type: int32 index,val: 5,103 
v type: int32 index,val: 6,26790 
v type: int32 index,val: 9,24037 
v type: int32 index,val: 12,21378 
v type: uint8 index,val:0,71 
v type: uint8 index,val:1,111 
v type: uint8 index,val:2,108 
v type: uint8 index,val:3,97 
v type: uint8 index,val:4,110 
v type: uint8 index,val:5,103 
v type: uint8 index,val:6,230 
v type: uint8 index,val:7,162 
v type: uint8 index,val:8,166 
v type: uint8 index,val:9,229 
v type: uint8 index,val:10,183 
v type: uint8 index,val:11,165 
v type: uint8 index,val:12,229 
v type: uint8 index,val:13,142 
v type: uint8 index,val:14,130

根据运行结果我们可以得出如下结论:

使用下标遍历获取的是ASCII字符,而使用Range遍历获取的是Unicode字符。

什么是rune数据类型

官方对rune的定义如下:

// rune is an alias for int32 and is equivalent to int32 in all ways. It is
// used, by convention, to distinguish character values from integer values.
type rune = int32

人工翻译:

runeint32的别名,在所有方面都等同于int32,按照约定,它用于区分字符值和整数值。

说的通俗一点就是rune一个值代表的就是一个Unicode字符,因为一个Go语言中字符串编码为UTF-8,使用1-4字节就可以表示一个字符,所以使用int32类型范围就可以完美适配。

答案揭晓

前面说了这么多知识点,确实有点乱了,我们现在就根据开始的那道题来做一个总结。为了方便查看,再贴一下这道题:

func main()  {
 str := "Golang梦工厂"
 fmt.Println(len(str))
 fmt.Println(len([]rune(str)))
}

这道题的正确答案是159

具体原因:

len()函数是用来获取字符串的字节长度,rune一个值代表的就是一个Unicode字符,所以求rune切片的长度就是字符个数。因为在utf-8编码中,英文占1个字节,中文占3个字节,所以最终结果就是159

贴个图,方便理解:

有趣的面试题:Go语言字符串的字节长度和字符个数_第2张图片

unicode/utf8

如果大家对rune的使用不是很明确,可以学习使用一下Go标准库unicode/utf8,其中提供了多种关于rune的使用方法。比如上面这道题,我们就可以使用utf8.RuneCountInString方法获取字符个数。更多库函数使用方法请自行解锁,本篇就不做过多介绍了。

总结

针对全文,我们做一个总结:

  • Go语言源代码始终为UTF-8

  • Go语言的字符串可以包含任意字节,字符底层是一个只读的byte数组。

  • Go语言中字符串可以进行循环,使用下表循环获取的acsii字符,使用range循环获取的unicode字符。

  • Go语言中提供了rune类型用来区分字符值和整数值,一个值代表的就是一个Unicode字符。

  • Go语言中获取字符串的字节长度使用len()函数,获取字符串的字符个数使用utf8.RuneCountInString函数或者转换为rune切片求其长度,这两种方法都可以达到预期结果。

好啦,这篇文章就到这里啦,素质三连(分享、点赞、在看)都是笔者持续创作更多优质内容的动力!

创建了一个Golang学习交流群,欢迎各位大佬们踊跃入群,我们一起学习交流。入群方式:关注公众号获取。更多学习资料请到公众号领取。

我是asong,一名普普通通的程序猿,让我们一起慢慢变强吧。欢迎各位的关注,我们下期见~~~

有趣的面试题:Go语言字符串的字节长度和字符个数_第3张图片

推荐往期文章:

  • Go看源码必会知识之unsafe包

  • 源码剖析panic与recover,看不懂你打我好了!

  • 空结构体引发的大型打脸现场

  • Leaf—Segment分布式ID生成系统(Golang实现版本)

  • 面试官:两个nil比较结果是什么?

  • 面试官:你能用Go写段代码判断当前系统的存储方式吗?

  • 如何平滑切换线上Elasticsearch索引

你可能感兴趣的:(字符串,java,编程语言,python,golang)