Go语言底层原理剖析

Golang字符串本质与实现

Posted by 淦 Blog on January 1, 2023

字符串本质

在Go语言中，字符串不能被修改，只能被访问，不能采取如下方式对字符串进行修改。

1
2

var b = "hello world"
b[1] = '0'

Go语言运行时字符串string的表示结构如下。

1
2
3
4

type StringHeader struct {
	Data uintptr
	Len  int
}

其中，Data指向底层的字符数组，Len 代表字符串的长度。字符串在本质上是一串字符数组，每个字符在存储时都对应了一个或多个整数，这涉及字符集的编码方式。

Go语言中所有的文件都采用UTF-8的编码方式，同时字符常量使用UTF-8的字符编码集。 UFT-8是一种长度可变的编码方式，可包含世界上大部分的字符。上例中的字母都只占据 1字节，但是特殊的字符(例如大部分中文)会占据3字节。

符文类型

在Go语言中使用符文 (rune)类型来表示和区分字符串中的“字符”，rune 其实是int32的别称。

当用range轮询字符串时，轮询的不再是单字节，而是具体的rune。如下所示，对字符串b 进行轮询，其第一个参数index 代表每个rune的字节偏移量，而runeValue为int32，代表符文数。

1
2
3
4
5
6
7
8
9

var b = "Go语言"
for index, runeValue := range b {
	fmt.Printf("%#U starts at byte position %d\n", runeValue, index)
}

// U+0047 'G' starts at byte position 0
// U+006F 'o' starts at byte position 1
// U+8BED '语' starts at byte position 2
// U+8A00 '言' starts at byte position 5

使用for i++形式轮询字符串时，轮询的是单字节。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

var b = "Go语言"
for i := 0; i < len(b); i++ {
	fmt.Println(reflect.TypeOf(b[i]))
}
fmt.Println("#######")
for i, v := range b {
	fmt.Println(reflect.TypeOf(i), reflect.TypeOf(v))
}
/*
	uint8
	uint8
	uint8
	uint8
	uint8
	uint8
	uint8
	uint8
	#######
	int int32
	int int32
	int int32
	int int32
*/

byte 等同于uint8，常用来处理ascii字符

rune 等同于int32，常用来处理unicode或utf-8字符

字符串底层原理

字符串解析

字符串有两种声明方式:

1
2

var a string = `hello world`
var b string = "hello world"

对于单撇号的处理比较简单：一直循环向后读取，直到寻找到配对的单撒号。

双引号调用stdStrng 函数，如果出现另一个双引号则直接退出，如果出现了\，则对后面的字符进行转义。在双引号中不能出现换行符。

字符串与字节数组的转换

1
2
3

a := "hello world"
b := []byte(a)
c := string(b)

字节数组与字符串的相互转换并不是简单的指针引用，而是涉及了复制。当字符串大于32字节时，还需要申请堆内存，因此在涉及些密集的转换场景时，需要评估这种转换带来的性能损耗。

CATALOG