go字符串

go操作字符串，会遇到一个很反直觉的事情：看起来是字母，但拿出来的却是数字。

比如下面这段代码：

str := "1a帅"
for i, elem := range str {
  fmt.Println("elem", elem, fmt.Sprintf("%T", elem))
  fmt.Println("i", str[i], fmt.Sprintf("%T", str[i]))
}
fmt.Println("len(str)", len(str))

elem 49 int32 i 49 uint8 elem 97 int32 i 97 uint8 elem 24069 int32 i 229 uint8 len(str) 5

你看，用for/range拿出来的字符串，每个elem都是一串数字，类型是int32。

但是你改用str[i]拿出来，类型就变成了uint8

数字和英文拿出来的结果都是一样的，1对应49，a对应97

但中文的结果却不一样，帅用elem拿对应的是24069，用str[i]拿对应的却是229

而且看起来这个str只有三位，打印出来的长度却是5。

很反直觉不是么？把我看得满脸问号🤪

go怎么存字符串的？

从这篇文章中可以知道，gloang中的string，底层是通过byte数组实现的。换言之，string就是[]byte。

byte是啥呢？byte，就是这里的uint8。就是用str[i]取出来的数据类型

从这篇中可以知道，计算机最底层，是用1和0来存东西的。但0和1就两个二进制位(bit)，也就只能代表两个东西，肯定不够。

于是就用8个0或者1，组成一个字节(byte)，用一个byte来代表字母或数字。这个组成的规则叫ASCII码。

比如这里1对应49(00110001)，a对应97(01100001)，用的就是ASCII码的翻译规则。

那么问题来了，存字符串用byte，为什么用elem取出来的数据类型是int32呢？为什么取出来的时候还要特地转一下数据类型呢？

这个问题和中文的两个取值结果不同有关。

英语用128个符号编码就够了，但其他语言就不够。尤其汉字有10w多，只用一个字节最多表示256种符号，因此要用多个字节来表达一个中文字。

于是产生了unicode的编码方法，相当于一个大字典，全世界的符号都有独一无二的编码了。

比如帅的unicode是5e05，对应二进制(1011110 00000101)，对应10进制就是我们输出的24069。

unicode和utf-8

那么问题来了，帅的unicode明显只有两个byte啊，5e和05。英文和数字各1个字节，那么总长度应该是4，为什么我们输出的长度是5呢？

unicode只是用来找二进制对应的字符，用于翻译的。但用这个来存储和传输，并不方便。

既然中文需要两个byte，那么怎么区分英文和中文呢？因此大家都要存两个字节。这样英文和数字就很不划算。

比如用unicode存，就需要6个byte

	字节1	字节2	十进制
1	00000000	00110001	49
a	00000000	01100001	97
帅	01011110	00000101	94 05

因此就出现了一个方便unicode存储和传输的方法：utf-8

utf-8里面，汉字是三个字节，因为它使用了一个方法，让计算机能知道，这个汉字从哪开始到哪结束。

用utf-8存，只要5个字节

	字节1	字节2	字节3	十进制
1	00110001			49
a	01100001			97
帅	11100101	10111000	10000101	229 184 133

这就是为什么我们用s[i]取出来的是229，因为一共有5位，我们只取了第3位，而第三位就是229.

这就是为什么我们字符串的长度是5，因为最底层是用utf-8存的。

go把存着的utf-8编码的一个个byte取出来，翻译成unicode，根据这个unicode找到对应的字符，最终显示出来给我们看。

image-20190907144741901

换言之，我们看到的字母、数字、汉字都是幻觉，本质上我们操纵的都是这一位位的rune，或者说是int32

这也就解释了为什么elem取出来的时候，需要转一下数据类型。因为我们操作的是这个rune，这个unicode翻译出来的字符。不转一个elem只能取出1/3的“帅”了😂😂（其实会输出乱码）

s[i]和len()是一起的，操作的是最底层的一个个byte。

如何获取我们以为的长度

那么问题来了，我们该如何获取字符串“我们以为的长度”？

答案是把字符串(本质为[]byte类型)，转成[]rune类型

str := "1a帅"

rune := []rune(str)
byte := []byte(str)

fmt.Println("rune", rune, len(rune))
fmt.Println("byte", byte, len(byte))

rune [49 97 24069] 3 byte [49 97 229 184 133] 5

当然也可以用utf8这个包：

// 通过utf8这个包
fmt.Println("RuneCountInString:", utf8.RuneCountInString(str))