Go语言中如何正确遍历字符串并访问字符值

本教程详细介绍了在go语言中如何正确遍历字符串并获取其字符值。go字符串以utf-8编码的字节序列存储，直接索引会返回字节而非字符。文章将阐述如何利用`for...range`循环结合`rune`类型，优雅且准确地处理unicode字符，避免常见的编码问题，确保获取到预期的字符输出。

Go语言字符串基础与常见误区

在Go语言中，字符串是不可变的字节切片，通常以UTF-8编码存储。这意味着，一个字符串实际上是一系列字节的集合，而非字符的集合。当我们尝试通过索引str[i]访问字符串中的元素时，我们获取到的是位于该索引位置的字节值（类型为byte，即uint8），而不是一个字符。

这种字节级别的访问方式对于ASCII字符集可能看起来没有问题，因为ASCII字符通常占用一个字节。但对于包含多字节UTF-8字符（如中文、表情符号或某些特殊符号）的字符串，str[i]将无法正确地表示一个完整的字符。

考虑以下代码片段，它试图通过直接索引和range循环来遍历字符串：

package main

import "fmt"

func main() {
    str := "Hello"
    for i, elem := range str {
        // str[i] 获取的是字节值
        // elem 在这里是rune类型
        fmt.Println(i, str[i], elem)
    }

    fmt.Println("\n再次尝试直接索引打印字节值:")
    for i := 0; i < len(str); i++ {
        fmt.Println(i, str[i]) // 打印的是字节值
    }
}

运行上述代码，你会得到类似以下的输出：

立即学习“go语言免费学习笔记（深入）”；

0 72 72
1 101 101
2 108 108
3 108 108
4 111 111

再次尝试直接索引打印字节值:
0 72
1 101
2 108
3 108
4 111

可以看到，str[i]和elem（在range循环中）都打印出了数值。str[i]打印的是字符'H'、'e'等的ASCII或UTF-8编码的字节值（十进制表示）。而elem在for...range循环中，其类型是rune，它代表的是Unicode码点，对于'H'、'e'这些单字节ASCII字符，其码点值与字节值相同。问题在于，我们想要的是字符本身，而不是其数值表示。

使用for...range与rune正确访问字符

Go语言提供了for...range循环来优雅地处理字符串中的Unicode字符。当for...range循环用于字符串时，它会迭代字符串中的Unicode码点。每次迭代会返回两个值：

云雀语言模型

云雀是一款由字节跳动研发的语言模型，通过便捷的自然语言交互，能够高效的完成互动对话

54

查看详情

1. 索引 (index)：当前rune在字符串中的起始字节索引。
2. 字符值 (value)：一个rune类型的值，代表一个Unicode码点。rune是Go语言的内置类型，实际上是int32的别名，用于表示Unicode字符。

要获取实际的字符字符串，我们需要将这个rune类型的值转换回string类型。Go语言允许直接将单个rune转换为string，这将生成一个只包含该字符的字符串。

以下是正确遍历字符串并获取字符值的示例代码：

package main

import "fmt"

func main() {
    str := "Hello, 世界!" // 包含ASCII和多字节UTF-8字符的字符串

    fmt.Println("--- 仅打印字符值 ---")
    for _, r := range str {
        c := string(r) // 将rune转换为string
        fmt.Println(c)
    }

    fmt.Println("\n--- 打印索引、Unicode码点和字符值 ---")
    for i, r := range str {
        // i 是当前rune的起始字节索引
        // r 是rune类型（Unicode码点）
        // string(r) 将rune转换为对应的字符字符串
        fmt.Println("索引:", i, " 码点:", r, " 字符:", string(r))
    }
}

运行上述代码，你将得到期望的输出：

--- 仅打印字符值 ---
H
e
l
l
o
,

世
界
!

--- 打印索引、Unicode码点和字符值 ---
索引: 0  码点: 72  字符: H
索引: 1  码点: 101  字符: e
索引: 2  码点: 108  字符: l
索引: 3  码点: 108  字符: l
索引: 4  码点: 111  字符: o
索引: 5  码点: 44  字符: ,
索引: 6  码点: 32  字符:  
索引: 7  码点: 19990  字符: 世
索引: 10  码点: 30028  字符: 界
索引: 13  码点: 33  字符: !

从输出中可以看到：

• for _, r := range str 成功地逐个提取了字符串中的字符。
• string(r) 将rune（Unicode码点）正确地转换为了对应的字符字符串。
• 对于多字节字符，例如“世”（码点19990），其起始字节索引从7跳到了10，因为“世”字在UTF-8编码中占用了3个字节（7, 8, 9）。range循环会自动处理这种字节长度的差异。

注意事项与最佳实践

1. len(str) 返回字节长度，而非字符数量： len()函数作用于字符串时，返回的是字符串的字节长度。如果字符串中包含多字节UTF-8字符，这个长度将不等于实际的字符（rune）数量。要获取字符数量，可以使用utf8.RuneCountInString(str)或通过for...range循环计数。

   import (
       "fmt"
       "unicode/utf8"
   )
   
   func main() {
       s := "Hello, 世界!"
       fmt.Println("字节长度:", len(s))                // 输出: 16 (H-o, -6字节, 世界-6字节, !-1字节)
       fmt.Println("字符(rune)数量:", utf8.RuneCountInString(s)) // 输出: 10
   }

   登录后复制

2. rune是处理Unicode字符的关键： 在Go语言中，任何涉及字符操作的场景（如字符串反转、字符计数、大小写转换等），都应该优先考虑使用rune类型，并配合for...range循环，以确保对Unicode字符的正确处理。

3. 字符串的不可变性： Go语言的字符串是不可变的。任何对字符串内容的修改操作（例如，将一个字符替换为另一个）都会导致创建一个新的字符串。如果需要频繁地修改字符串内容，可以考虑将字符串转换为[]rune或[]byte切片进行操作，完成后再转换回string。

4. 无效UTF-8序列的处理： 如果for...range循环在字符串中遇到无效的UTF-8序列，它会将第二个值（rune）设为0xFFFD（Unicode替换字符），并将下一个迭代的索引推进一个字节。这提供了一种健壮的错误处理机制。

通过理解Go语言中字符串的字节本质以及for...range与rune的协同工作方式，开发者可以有效地避免在处理多语言和复杂字符集时遇到的常见问题，从而编写出更加健壮和国际化的Go应用程序。

以上就是Go语言中如何正确遍历字符串并访问字符值的详细内容，更多请关注php中文网其它相关文章！