剛接觸 Go 語言時，就聽說有一個叫rune的數據類型，即使查閱過一些資料，對它的理解依舊比較模糊，加之對陌生事物的天然排斥，在之后很長一段時間的編程工作中，我都沒有讓它出現在我的代碼里。

逃避雖然有用，但是似乎有些可恥，想要成為一名成熟、優(yōu)秀的 Go 語言開發(fā)工程師，必須要有直面陌生事物并且成功運用的勇氣和能力，帶著這樣的覺悟，讓我們一起走近rune，直視它！

了解一下，rune類型究竟是什么？

rune類型是 Go 語言的一種特殊數字類型。在builtin/builtin.go文件中，它的定義：type rune = int32；官方對它的解釋是：rune是類型int32的別名，在所有方面都等價于它，用來區(qū)分字符值跟整數值。使用單引號定義 ，返回采用 UTF-8 編碼的 Unicode 碼點。Go 語言通過rune處理中文，支持國際化多語言。

眾所周知，Go 語言有兩種類型聲明方式：一種叫類型定義聲明，另一種叫類型別名聲明。其中，別名的使用在大型項目重構中作用最為明顯，它能解決代碼升級或遷移過程中可能存在的類型兼容性問題。而rune跟byte是 Go 語言中僅有的兩個類型別名，專門用來處理字符。當然，我們也可以通過type關鍵字加等號的方式聲明更多的類型別名。

學習一下，rune類型怎么用？

我們知道，字符串由字符組成，字符的底層由字節(jié)組成，而一個字符串在底層的表示是一個字節(jié)序列。在 Go 語言中，字符可以被分成兩種類型處理：對占 1 個字節(jié)的英文類字符，可以使用byte（或者unit8）；對占 1 ~ 4 個字節(jié)的其他字符，可以使用rune（或者int32），如中文、特殊符號等。

下面，我們通過示例應用來具體感受一下。

統計帶中文字符串長度

// 使用內置函數 len() 統計字符串長度
fmt.Println(len("Go語言編程"))  // 輸出：14  

前面說到，字符串在底層的表示是一個字節(jié)序列。其中，英文字符占用 1 字節(jié)，中文字符占用 3 字節(jié)，所以得到的長度 14 顯然是底層占用字節(jié)長度，而不是字符串長度，這時，便需要用到rune類型。

// 轉換成 rune 數組后統計字符串長度
fmt.Println(len([]rune("Go語言編程")))  // 輸出：6

這回對了。很容易，我們解鎖了rune類型的第一個功能，即統計字符串長度。

• 截取帶中文字符串

如果想要截取字符串中 ”Go語言“ 這一段，考慮到底層是一個字節(jié)序列，或者說是一個數組，通常情況下，我們會這樣：

s := "Go語言編程"
// 8=2*1+2*3
fmt.Println(s[0:8])  // 輸出：Go語言

結果符合預期。但是，按照字節(jié)的方式進行截取，必須預先計算出需要截取字符串的字節(jié)數，如果字節(jié)數計算錯誤，就會顯示亂碼，比如這樣：

s := "Go語言編程"
fmt.Println(s[0:7]) // 輸出：Go語?

此外，如果截取的字符串較長，那通過字節(jié)的方式進行截取顯然不是一個高效準確的辦法。那有沒有不用計算字節(jié)數，簡單又不會出現亂碼的方法呢？不妨試試這樣：

s := "Go語言編程"
// 轉成 rune 數組，需要幾個字符，取幾個字符
fmt.Println(string([]rune(s)[:4])) // 輸出：Go語言    

到這里，我們解鎖了rune類型的第二個功能，即截取字符串。

思考一下，為什么rune類型可以做到？

通過上面的示例，我們發(fā)現似乎在處理帶中文的字符串時，都需要用到rune類型，這究竟是為什么呢？除了使用rune類型，還有其他方法嗎？

在深入思考之前，我們需要首先弄清楚string、byte、rune三者間的關系。

字符串在底層的表示是由單個字節(jié)組成的一個不可修改的字節(jié)序列，字節(jié)使用UTF-8[1]編碼標識Unicode[2]文本。Unicode 文本意味著.go文件內可以包含世界上的任意語言或字符，該文件在任意系統上打開都不會亂碼。UTF-8 是 Unicode 的一種實現方式，是一種針對 Unicode 可變長度的字符編碼，它定義了字符串具體以何種方式存儲在內存中。UFT-8 使用 1 ~ 4 為每個字符編碼。

Go 語言把字符分byte和rune兩種類型處理。byte是類型unit8的別名，用于存放占 1 字節(jié)的 ASCII 字符，如英文字符，返回的是字符原始字節(jié)。rune是類型int32的別名，用于存放多字節(jié)字符，如占 3 字節(jié)的中文字符，返回的是字符 Unicode 碼點值。如下圖所示：

s := "Go語言編程"
// byte
fmt.Println([]byte(s)) // 輸出：[71 111 232 175 173 232 168 128 231 188 150 231 168 139]
// rune
fmt.Println([]rune(s)) // 輸出：[71 111 35821 35328 32534 31243]

它們的對應關系如下圖：

了解了這些，我們再回過來看看，剛才的問題是不是清楚明白很多？接下來，讓我們再來看看源碼中是如何處理的，以utf8.RuneCountInString()[3]函數為例。

示例：

// 統計字符串長度
fmt.Println(utf8.RuneCountInString("Go語言編程")) // 輸出：6

源碼：

// RuneCountInString is like RuneCount but its input is a string.
func RuneCountInString(s string) (n int) {
 // 調用 len() 函數得到字節(jié)數
 ns := len(s)
 for i := 0; i < ns; n++ {
  c := s[i]
  // 如碼點值小于 128，則為占 1 字節(jié)的 ASCII 字符（或者說英文字符），長度 + 1
  if c < RuneSelf { // RuneSelf = 128
   // ASCII fast path
   i++
   continue
  }
  // 查詢首字節(jié)信息表，得到中文占 3 字節(jié)，所以這里的 x = 3
  x := first[c]
  // 判斷 x = 3,xx = 241（0xF1）
  if x == xx {
   i++ // invalid.
   continue
  }
  // 提取有效的 UTF-8 字節(jié)長度編碼信息，size = 3
  size := int(x & 7)
  if i+size > ns {
   i++ // Short or invalid.
   continue
  }
  // 提取有效字節(jié)范圍
  accept := acceptRanges[x>>4]
  // accept.lo，accept.hi，表示 UTF-8 中第二字節(jié)的有效范圍
  // locb = 0b10000000，表示 UTF-8 編碼非首字節(jié)的數值下限
  // hicb = 0b10111111，表示 UTF-8 編碼非首字節(jié)的數值上限
  if c := s[i+1]; c < accept.lo || accept.hi < c {
   size = 1
  } else if size == 2 {
  } else if c := s[i+2]; c < locb || hicb < c {
   size = 1
  } else if size == 3 {
  } else if c := s[i+3]; c < locb || hicb < c {
   size = 1
  }
  i += size
 }
 return n
}

調用該函數時，傳入一個原始的字符串，代碼會根據每個字符的碼點大小判斷是否為 ASCII 字符，如果是，則算做 1 位；如果不是，則查詢首字節(jié)表，明確字符占用的字節(jié)數，驗證有效性后再進行計數。

小小總結

在我看來，rune類型只是一種名稱叫法，表示用來處理長度大于 1 字節(jié)（ 8 位）、不超過 4 字節(jié)（ 32 位）的字符類型。但萬變不離其宗，我們使用函數時，無論傳入參數的是原始字符串還是rune，最終都是對字節(jié)進行處理。看似陌生的事物，沉下心了解到其本質以后，才發(fā)現原來并不陌生，缺少的只是正視它的勇氣！

[1]

UTF-8:https://zh.wikipedia.org/wiki/UTF-8

[2]

Unicode:https://zh.wikipedia.org/wiki/Unicode

[3]

utf8.RuneCountInString():https://golang.org/src/unicode/utf8/utf8.go

到此這篇關于Go 中的 rune 類型的文章就介紹到這了,更多相關Go  rune 類型內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論