Go语言中字符串字符的正确遍历与访问

本文深入探讨Go语言中字符串的正确遍历方法。Go字符串是UTF-8编码的字节序列，直接索引会返回字节值。通过使用`for...range`循环，我们可以有效地迭代Unicode码点（rune），并将其转换为可读的字符形式，从而实现对字符串中每个字符的精确访问和处理，避免获取到原始的数字字节值。

理解Go语言中的字符串与字符

在Go语言中，字符串（string类型）被视为只读的字节切片，其内部采用UTF-8编码存储Unicode字符。这意味着，直接通过索引访问字符串（例如str[i]）将返回的是该索引位置上的字节值，而不是一个完整的Unicode字符。由于UTF-8编码是变长编码，一个Unicode字符可能由一个或多个字节组成，因此直接的字节索引无法正确地获取到字符。

例如，对于字符串"Hello"，str[0]会返回字符'H'的ASCII值（72），因为'H'在UTF-8中只占用一个字节。但如果字符串包含多字节字符（如中文），str[0]则可能只返回该字符的第一个字节，而非整个字符。

使用 for...range 遍历Unicode字符

为了正确地遍历字符串并获取其包含的Unicode字符，Go语言提供了 for...range 循环。当 for...range 用于字符串时，它会迭代字符串中的每一个Unicode码点（rune）。

立即学习“go语言免费学习笔记（深入）”；

for...range 循环会返回两个值：

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)：表示当前Unicode码点在原始字符串中的起始字节位置。
2. 码点 (rune)：表示当前Unicode字符的实际值。rune 是 int32 的别名，用于表示一个Unicode码点。

以下是使用 for...range 循环遍历字符串并获取字符的示例：

package main

import "fmt"

func main() {
    str := "Hello" // 包含ASCII字符的字符串
    fmt.Println("--- 遍历并打印每个字符 ---")
    for _, r := range str { // 忽略索引，只获取rune值
        // 将rune类型转换为string类型，即可得到字符的字符串表示
        c := string(r) 
        fmt.Println(c)
    }

    fmt.Println("\n--- 遍历并打印索引、码点值和字符 ---")
    for i, r := range str { // 获取索引和rune值
        // 打印字节索引、rune的int32值以及对应的字符
        fmt.Println(i, r, string(r)) 
    }

    // 包含多字节Unicode字符的示例
    strMultiByte := "你好Go"
    fmt.Println("\n--- 遍历多字节字符字符串 ---")
    for i, r := range strMultiByte {
        fmt.Printf("索引: %d, 码点值: %d, 字符: %s\n", i, r, string(r))
    }
}

输出结果：

--- 遍历并打印每个字符 ---
H
e
l
l
o

--- 遍历并打印索引、码点值和字符 ---
0 72 H
1 101 e
2 108 l
3 108 l
4 111 o

--- 遍历多字节字符字符串 ---
索引: 0, 码点值: 20320, 字符: 你
索引: 3, 码点值: 22909, 字符: 好
索引: 6, 码点值: 71, 字符: G
索引: 7, 码点值: 111, 字符: o

从上面的输出可以看出：

• 当只获取 rune 值并将其转换为 string(r) 时，我们得到了期望的单个字符。
• 当获取 i (索引) 和 r (码点值) 时，r 显示的是字符的Unicode码点（int32 类型），而 string(r) 则将其转换回字符的字符串形式。
• 对于多字节字符，如"你"（UTF-8编码占用3个字节），其索引从0开始，而下一个字符"好"的索引则从3开始，这证明了 for...range 提供的索引是字节索引，但它正确地跳过了多字节字符的全部字节。

注意事项

• rune 与 byte 的区别：byte 是 uint8 的别名，代表一个字节。rune 是 int32 的别名，代表一个Unicode码点。在处理Go字符串时，如果需要操作单个字符，应使用 rune。
• 无效UTF-8序列：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向前推进一个字节，以尝试恢复。
• 性能考量：对于纯ASCII字符串，直接使用 str[i] 访问字节可能在某些特定场景下（例如，确定字符是ASCII且只需其字节值）性能略高，因为它避免了UTF-8解码的开销。然而，为了代码的健壮性和正确性，尤其是在处理可能包含非ASCII字符的字符串时，始终推荐使用 for...range 来遍历字符。

总结

在Go语言中，要正确地遍历字符串并获取其包含的Unicode字符（而非原始字节值），应始终使用 for...range 循环。该循环提供了每个Unicode码点的起始字节索引和其对应的 rune 值。通过将 rune 值类型转换为 string(r)，即可方便地获取到单个字符的字符串表示。这种方法确保了无论字符串包含单字节还是多字节Unicode字符，都能得到正确且可读的字符值。

以上就是Go语言中字符串字符的正确遍历与访问的详细内容，更多请关注php中文网其它相关文章！