前言

字符串是 Go 語言中最常用的基礎(chǔ)數(shù)據(jù)類型之一，雖然字符串往往都被看做是一個整體，但是實際上字符串是一片連續(xù)的內(nèi)存空間，我們也可以將它理解成一個由字符組成的數(shù)組，Go 語言中另外一個與字符串關(guān)系非常密切的類型就是字節(jié)（Byte）了，相信各位讀者也都非常了解，這里也就不展開介紹。

我們在這一節(jié)中就會詳細(xì)介紹這兩種基本類型的實現(xiàn)原理以及它們的轉(zhuǎn)換關(guān)系，但是這里還是會將介紹的重點主要放在字符串上，因為這是我們接觸最多的一種基本類型并且后者就是一個簡單的 uint8 類型，所以會給予 string 最大的篇幅，需要注意的是這篇文章不會使用大量的篇幅介紹 UTD-8 以及編碼等知識，主要關(guān)注的還是字符串的結(jié)構(gòu)以及常見操作的實現(xiàn)。

字符串雖然在 Go 語言中是基本類型 string ，但是它其實就是字符組成的數(shù)組，C 語言中的字符串就可以用 char[] 來表示，作為數(shù)組來說它會占用一片連續(xù)的內(nèi)存空間，這片連續(xù)的內(nèi)存空間就存儲了一些 字節(jié) ，這些字節(jié)共同組成了字符串， Go 語言中的字符串是一個只讀的字節(jié)數(shù)組切片 ，下面就是一個只讀的 "hello" 字符串在內(nèi)存中的結(jié)構(gòu)：

如果是代碼中存在的字符串，會在編譯期間被標(biāo)記成只讀數(shù)據(jù) SRODATA 符號，假設(shè)我們有以下的一段代碼，其中包含了一個字符串，當(dāng)我們將這段代碼編譯成匯編語言時，就能夠看到 hello 字符串有一個 SRODATA 的標(biāo)記：

$ cat main.go
package main

func main() {
 str := "hello"
 println([]byte(str))
}

$ GOOS=linux GOARCH=amd64 go tool compile -S main.go
...
go.string."hello" SRODATA dupok size=5
 0x0000 68 65 6c 6c 6f     hello
...

不過這只能表明編譯期間存在的字符串會被直接分配到只讀的內(nèi)存空間并且這段內(nèi)存不會被更改，但是在運行時我們其實還是可以將這段內(nèi)存拷貝到其他的堆或者棧上，同時將變量的類型修改成 []byte 在修改之后再通過類型轉(zhuǎn)換變成 string ，不過如果想要直接修改 string 類型變量的內(nèi)存空間，Go 語言是不支持這種操作的。

除了今天的主角字符串之外，另外的配角 byte 也還是需要簡單介紹一下的，byte 其實非常好理解，每一個 byte 就是 8 個 bit，相信稍微對編程有所了解的人應(yīng)該都對這個概念一清二楚，而字節(jié)數(shù)組也沒什么值得介紹的，所以這里就直接跳過了。

字符串在 Go 語言中的接口其實非常簡單，每一個字符串在運行時都會使用如下的 StringHeader 結(jié)構(gòu)體去表示，在運行時包的內(nèi)部其實有一個私有的結(jié)構(gòu) stringHeader ，它有著完全相同的結(jié)構(gòu)只是用于存儲數(shù)據(jù)的 Data 字段使用了 unsafe.Pointer 類型：

type StringHeader struct {
 Data uintptr
 Len int
}

為什么我們會說字符串其實是一個只讀類型的切片 呢，我們可以看一下切片在 Go 語言中的運行時表示：

type SliceHeader struct {
 Data uintptr
 Len int
 Cap int
}

這個表示切片的結(jié)構(gòu) SliceHeader 和字符串的結(jié)構(gòu) StringHeader 非常類似，與切片的結(jié)構(gòu)相比，字符串少了一個表示容量的 Cap 字段，這是因為字符串作為只讀的類型，我們并不會直接向字符串直接追加元素改變其本身的內(nèi)存空間，所有追加的操作都是通過拷貝來完成的。

字符串的解析一定是解析器在詞法分析 時就完成的，詞法分析階段會對源文件中的字符串進(jìn)行切片和分組，將原有無意義的字符流轉(zhuǎn)換成 Token 序列，在 Go 語言中，有兩種字面量的方式可以聲明一個字符串，一種是使用雙引號，另一種是使用反引號:

str1 := "this is a string"
str2 := `this is another 
string`

使用雙引號聲明的字符串其實和其他語言中的字符串沒有太多的區(qū)別，它只能用于簡單、單行的字符串并且如果字符串內(nèi)部出現(xiàn)雙引號時需要使用 \ 符號避免編譯器的解析錯誤，而反引號聲明的字符串就可以擺脫單行的限制，因為雙引號不再標(biāo)記字符串的開始和結(jié)束，我們可以在字符串內(nèi)部直接使用 " ，在遇到需要寫 JSON 或者其他數(shù)據(jù)格式的場景下非常方便。

兩種不同的聲明方式其實也意味著 Go 語言的編譯器需要在解析的階段能夠區(qū)分并且正確解析這兩種不同的字符串格式，解析字符串使用的 scanner 掃描器，它的主要作用就是將輸入的字符流轉(zhuǎn)換成 Token 流， stdString 方法就是它用來解析使用雙引號包裹的標(biāo)準(zhǔn)字符串：

func (s *scanner) stdString() {
 s.startLit()

 for {
 r := s.getr()
 if r == '"' {
 break
 }
 if r == '\\' {
 s.escape('"')
 continue
 }
 if r == '\n' {
 s.ungetr()
 s.error("newline in string")
 break
 }
 if r < 0 {
 s.errh(s.line, s.col, "string not terminated")
 break
 }
 }

 s.nlsemi = true
 s.lit = string(s.stopLit())
 s.kind = StringLit
 s.tok = _Literal
}

從這個方法中我們其實能夠看出 Go 語言處理標(biāo)準(zhǔn)字符串的邏輯：

1.標(biāo)準(zhǔn)字符串使用雙引號表示開頭和結(jié)尾；

2. 標(biāo)準(zhǔn)字符串中需要使用反斜杠 \ 來 escape 雙引號；

3. 標(biāo)準(zhǔn)字符串中不能出現(xiàn)換行符號 \n ；

原始字符串解析的規(guī)則就非常簡單了，它會將非反引號的所有字符都劃分到當(dāng)前字符串的范圍中，所以我們可以使用它來支持復(fù)雜的多行字符串字面量，例如 JSON 等數(shù)據(jù)格式。

func (s *scanner) rawString() {
 s.startLit()

 for {
 r := s.getr()
 if r == '`' {
 break
 }
 if r < 0 {
 s.errh(s.line, s.col, "string not terminated")
 break
 }
 }

 s.nlsemi = true
 s.lit = string(s.stopLit())
 s.kind = StringLit
 s.tok = _Literal
}

無論是標(biāo)準(zhǔn)字符串還是原始字符串最終都會被標(biāo)記成 StringLit 類型的 Token 并傳遞到編譯的下一個階段 —語法分析，在語法分析的階段，與字符串相關(guān)的表達(dá)式都會使用如下的方法 BasicLit 對字符串進(jìn)行處理：

func (p *noder) basicLit(lit *syntax.BasicLit) Val {
 switch s := lit.Value; lit.Kind {
 case syntax.StringLit:
 if len(s) > 0 && s[0] == '`' {
 s = strings.Replace(s, "\r", "", -1)
 }
 u, _ := strconv.Unquote(s)
 return Val{U: u}
 }
}

無論是 import 語句中包的路徑、結(jié)構(gòu)體中的字段標(biāo)簽還是表達(dá)式中的字符串都會使用這個方法將原生字符串中最后的換行符刪除并對字符串 Token 進(jìn)行 Unquote，也就是去掉字符串兩遍的引號等無關(guān)干擾，還原其本來的面目。

strconv.Unquote 方法處理了很多邊界條件導(dǎo)致整個函數(shù)非常復(fù)雜，不僅包括各種不同引號的處理，還包括 UTF-8 等編碼的相關(guān)問題，所以在這里也就不展開介紹了，感興趣的讀者可以在 Go 語言中找到 strconv.Unquote 方法詳細(xì)了解它的執(zhí)行過程。

介紹完了字符串的的解析過程，這一節(jié)就會繼續(xù)介紹字符串的常見操作了，我們在這里要介紹的字符串常見操作包括字符串的拼接和類型轉(zhuǎn)換，字符串相關(guān)功能的主要是通過 Go 語言運行時或者 strings 包完成的，我們會重點介紹運行時字符串的操作，想要了解 strings 包的讀者可以閱讀相關(guān)的代碼，這里就不多介紹了。

Go 語言中拼接字符串會使用 + 符號，當(dāng)我們使用這個符號對字符串進(jìn)行拼接時，編譯器會在類型檢查階段將 OADD 節(jié)點轉(zhuǎn)換成 OADDSTR 類型的節(jié)點，隨后在 SSA 中間代碼生成的階段調(diào)用 addstr 函數(shù)：

func walkexpr(n *Node, init *Nodes) *Node {
 switch n.Op {
 // ...
 case OADDSTR:
 n = addstr(n, init)
 }
}

addstr 函數(shù)就是幫助我們在編譯期間選擇合適的函數(shù)對字符串進(jìn)行拼接，如果需要拼接的字符串小于或者等于 5 個，那么就會直接調(diào)用 concatstring{2,3,4,5} 等一系列函數(shù)，如果超過 5 個就會直接選擇 concatstrings 傳入一個數(shù)組切片。

func addstr(n *Node, init *Nodes) *Node {
 c := n.List.Len()

 buf := nodnil()
 args := []*Node{buf}
 for _, n2 := range n.List.Slice() {
 args = append(args, conv(n2, types.Types[TSTRING]))
 }

 var fn string
 if c <= 5 {
 fn = fmt.Sprintf("concatstring%d", c)
 } else {
 fn = "concatstrings"

 t := types.NewSlice(types.Types[TSTRING])
 slice := nod(OCOMPLIT, nil, typenod(t))
 slice.List.Set(args[1:])
 args = []*Node{buf, slice}
 }

 cat := syslook(fn)
 r := nod(OCALL, cat, nil)
 r.List.Set(args)
 // ...

 return r
}

其實無論使用 concatstring{2,3,4,5} 中的哪一個，最終都會調(diào)用 concatstrings ，在這個函數(shù)中我們會先對傳入的切片參數(shù)進(jìn)行遍歷，首先會過濾空字符串并獲取拼接后字符串的長度。

func concatstrings(buf *tmpBuf, a []string) string {
 idx := 0
 l := 0
 count := 0
 for i, x := range a {
 n := len(x)
 if n == 0 {
 continue
 }
 if l+n < l {
 throw("string concatenation too long")
 }
 l += n
 count++
 idx = i
 }
 if count == 0 {
 return ""
 }

 if count == 1 && (buf != nil || !stringDataOnStack(a[idx])) {
 return a[idx]
 }
 s, b := rawstringtmp(buf, l)
 for _, x := range a {
 copy(b, x)
 b = b[len(x):]
 }
 return s
}

如果非空字符串的數(shù)量為 1 并且當(dāng)前的字符串不在棧上或者沒有逃逸出調(diào)用堆棧，那么就可以直接返回該字符串，不需要進(jìn)行任何的耗時操作。

但是在正常情況下，原始的多個字符串都會被調(diào)用 copy 將所有的字符串拷貝到目標(biāo)字符串所在的內(nèi)存空間中，新的字符串其實就是一片新的內(nèi)存空間，與原來的字符串沒有任何關(guān)聯(lián)。

類型轉(zhuǎn)換

當(dāng)我們使用 Go 語言做一些 JSON 等數(shù)據(jù)格式的解析和序列化時，可能經(jīng)常會將這些變量在字符串和字節(jié)數(shù)組之間來回轉(zhuǎn)換，類型之間轉(zhuǎn)換的開銷并沒有想象的這么小，我們經(jīng)常會看到 slicebytetostring 等函數(shù)出現(xiàn)在火焰圖中，這個函數(shù)就是將字節(jié)數(shù)組轉(zhuǎn)換成字符串所使用的函數(shù)，也就是一個類似 string(bytes) 的操作會在編譯期間轉(zhuǎn)換成 slicebytetostring 的函數(shù)調(diào)用，這個函數(shù)在函數(shù)體中首先會處理兩種比較常見的情況，也就是字節(jié)長度為 0 或者 1 的情況：

func slicebytetostring(buf *tmpBuf, b []byte) (str string) {
 l := len(b)
 if l == 0 {
 return ""
 }
 if l == 1 {
 stringStructOf(&str).str = unsafe.Pointer(&staticbytes[b[0]])
 stringStructOf(&str).len = 1
 return
 }

 var p unsafe.Pointer
 if buf != nil && len(b) <= len(buf) {
 p = unsafe.Pointer(buf)
 } else {
 p = mallocgc(uintptr(len(b)), nil, false)
 }
 stringStructOf(&str).str = p
 stringStructOf(&str).len = len(b)
 memmove(p, (*(*slice)(unsafe.Pointer(&b))).array, uintptr(len(b)))
 return
}

處理過后會根據(jù)傳入的緩沖區(qū)大小決定是否需要為新的字符串分配一片內(nèi)存空間， stringStructOf 會將傳入的字符串指針轉(zhuǎn)換成 stringStruct 結(jié)構(gòu)體指針，然后設(shè)置結(jié)構(gòu)體持有的指針 str 和字符串長度 len ，最后通過 memmove 將原字節(jié)數(shù)組中的字節(jié)全部復(fù)制到新的內(nèi)存空間中。

從字符串到字節(jié)數(shù)組的轉(zhuǎn)換使用的就是 stringtoslicebyte 函數(shù)了，這個函數(shù)的實現(xiàn)非常簡單：

func stringtoslicebyte(buf *tmpBuf, s string) []byte {
 var b []byte
 if buf != nil && len(s) <= len(buf) {
 *buf = tmpBuf{}
 b = buf[:len(s)]
 } else {
 b = rawbyteslice(len(s))
 }
 copy(b, s)
 return b
}

它會使用傳入的緩沖區(qū)或者根據(jù)字符串的長度調(diào)用 rawbyteslice 創(chuàng)建一個新的字節(jié)切片， copy 關(guān)鍵字就會將字符串中的內(nèi)容拷貝到新的字節(jié)數(shù)組中。

字符串和字節(jié)數(shù)組中的內(nèi)容雖然一樣，但是字符串的內(nèi)容是只讀的，我們不能通過下標(biāo)或者其他形式改變其內(nèi)存存儲的數(shù)據(jù)，而字節(jié)切片中的內(nèi)容都是可以讀寫的，所以無論是從哪種類型轉(zhuǎn)換到另一種都需要對其中的內(nèi)容進(jìn)行拷貝，內(nèi)存拷貝的性能損耗會隨著字符串?dāng)?shù)組和字節(jié)長度的增長而增長，所以在做這種類型轉(zhuǎn)換時一定要注意性能上的問題。

字符串是 Go 語言中相對來說比較簡單的一種數(shù)據(jù)結(jié)構(gòu)，作為只讀的數(shù)據(jù)類型，我們無法改變其本身的結(jié)構(gòu)，但是在做類型轉(zhuǎn)換的操作時一定要注意性能上的瓶頸，遇到需要極致性能的場景一定要盡量減少不同類型的轉(zhuǎn)換，避免額外的開銷。

相關(guān)文章

本作品采用進(jìn)行許可。 轉(zhuǎn)載時請注明原文鏈接，圖片在使用時請保留圖片中的全部內(nèi)容，可適當(dāng)縮放并在引用處附上圖片所在的文章鏈接，圖片使用 Sketch 進(jìn)行繪制。如果對本文的內(nèi)容有疑問，請在下面的評論系統(tǒng)中留言，謝謝。

好了，以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。

最新評論