Golang?統(tǒng)計字符串中數(shù)字字母數(shù)量的實現(xiàn)方法

更新時間：2022年06月01日 11:01:06 作者：戀喵大鯉魚

這篇文章主要介紹了Golang?統(tǒng)計字符串中數(shù)字字母數(shù)量,本文給出了兩種從字符串獲取數(shù)字與字母數(shù)量的方法，分別是ASCII 碼值和正則表達(dá)式，需要的朋友可以參考下

1.需求說明

記錄一下項目對用戶 UGC 文本進行字?jǐn)?shù)限制的具體實現(xiàn)。

不同的產(chǎn)品，出于種種原因，一般都會對用戶輸入的文本內(nèi)容做字?jǐn)?shù)限制。

出于產(chǎn)品定位，比如 140 字符限制的 Twitter，讓內(nèi)容保持簡潔凝練，易于閱讀；
出于用戶的閱讀體驗，過多的文字會造成閱讀疲勞，合適的字?jǐn)?shù)能夠提高閱讀舒適度；
出于技術(shù)與成本的考慮，不設(shè)上限的 UGC 內(nèi)容會引發(fā)一些潛在的問題，比如增加存儲的成本，降低檢索效率等。

回到自己的項目，是一個用戶發(fā)帖的業(yè)務(wù)場景。產(chǎn)品同學(xué)給到的要求是：

帖子名稱，限制在 25 個字；
帖子正文，限制在 1500 字；
關(guān)于字的說明：1 個漢字為一個字，一個 Emoji 表情相當(dāng)于 1 個字，2 個數(shù)字/英文字母相當(dāng)于 1 個字。

正常情況下，漢字，Emoji 字符，數(shù)字與英文字母都是單獨的字符。這里 2 個數(shù)字/英文算作 1 個字，所以在計算字符串長度時，不能夠使用 []rune 強轉(zhuǎn)后來獲取其長度，而是需要統(tǒng)計出數(shù)字與英文字母的數(shù)量，再加上其他字符數(shù)量，作為其長度。所以，要想實現(xiàn)產(chǎn)品同學(xué)的要求，關(guān)鍵是需要統(tǒng)計出用戶輸入文本中的數(shù)字與英文字母的數(shù)量。

2.實現(xiàn)

在 Golang，一般有兩種方法。

2.1 ASCII 碼值法

數(shù)字和英文字母的 ASCII 碼值我們是知道的，通過對原字符串遍歷，便可統(tǒng)計出數(shù)字/英文字母的數(shù)量。

// GetAlphanumericNumByASCII 根據(jù) ASCII 碼值獲取字母數(shù)字?jǐn)?shù)量。
func GetAlphanumericNumByASCII(s string) int {
	num := int(0)
	for i := 0; i < len(s); i++ {
		switch {
		case 48 <= s[i] && s[i] <= 57: // 數(shù)字
			fallthrough
		case 65 <= s[i] && s[i] <= 90: // 大寫字母
			fallthrough
		case 97 <= s[i] && s[i] <= 122: // 小寫字母
			num++
		default:
		}
	}
	return num
}

// 或者
// GetAlphanumericNumByASCIIV2 根據(jù) ASCII 碼值獲取字母數(shù)字?jǐn)?shù)量。
func GetAlphanumericNumByASCIIV2(s string) int {
	num := int(0)
	for _, c := range s {
		switch {
		case '0' <= c && c <= '9':
			fallthrough
		case 'a' <= c && c <= 'z':
			fallthrough
		case 'A' <= c && c <= 'Z':
			num++
		default:
		}
	}
	return num
}

2.2 正則表達(dá)式

我們可以利用 Golang 標(biāo)準(zhǔn)庫包 regexp 獲取指定表達(dá)式的字串?dāng)?shù)量。

// GetAlphanumericNumByRegExp 根據(jù)正則表達(dá)式獲取字母數(shù)字?jǐn)?shù)量。
func GetAlphanumericNumByRegExp(s string) int {
	rNum := regexp.MustCompile(`\d`)
	rLetter := regexp.MustCompile("[a-zA-Z]")
	return len(rNum.FindAllString(s, -1)) + len(rLetter.FindAllString(s, -1))
}

我們可以寫個單測來驗證下上面三個函數(shù)的正確性。

package string
import "testing"
func TestGetAlphanumericNumByASCII(t *testing.T) {
	type args struct {
		s string
	}
	tests := []struct {
		name string
		args args
		want int
	}{
		{
			name: "包含數(shù)字",
			args: args{"108條梁山好漢"},
			want: 3,
		},
		{
			name: "包含字母",
			args: args{"一百條梁山man"},
			want: 3,
		},
		{
			name: "包含數(shù)字與字母",
			args: args{"108條梁山man"},
			want: 6,
		},
	}
	for _, tt := range tests {
		t.Run(tt.name, func(t *testing.T) {
			if got := GetAlphanumericNumByASCII(tt.args.s); got != tt.want {
				t.Errorf("GetAlphanumericNumByASCII() = %v, want %v", got, tt.want)
			}
		})
	}
}
func TestGetAlphanumericNumByASCIIV2(t *testing.T) {
	type args struct {
		s string
	}
	tests := []struct {
		name string
		args args
		want int
	}{
		{
			name: "包含數(shù)字",
			args: args{"108條梁山好漢"},
			want: 3,
		},
		{
			name: "包含字母",
			args: args{"一百條梁山man"},
			want: 3,
		},
		{
			name: "包含數(shù)字與字母",
			args: args{"108條梁山man"},
			want: 6,
		},
	}
	for _, tt := range tests {
		t.Run(tt.name, func(t *testing.T) {
			if got := GetAlphanumericNumByASCIIV2(tt.args.s); got != tt.want {
				t.Errorf("GetAlphanumericNumByASCII() = %v, want %v", got, tt.want)
			}
		})
	}
}
func TestGetAlphanumericNumByRegExp(t *testing.T) {
	type args struct {
		s string
	}
	tests := []struct {
		name string
		args args
		want int
	}{
		{
			name: "包含數(shù)字",
			args: args{"108條梁山好漢"},
			want: 3,
		},
		{
			name: "包含字母",
			args: args{"一百條梁山man"},
			want: 3,
		},
		{
			name: "包含數(shù)字與字母",
			args: args{"108條梁山man"},
			want: 6,
		},
	}
	for _, tt := range tests {
		t.Run(tt.name, func(t *testing.T) {
			if got := GetAlphanumericNumByRegExp(tt.args.s); got != tt.want {
				t.Errorf("GetAlphanumericNumByRegExp() = %v, want %v", got, tt.want)
			}
		})
	}
}

運行go test main/string命令，其中 main/string 為單元測試所在包的路徑。輸出如下：

ok main/string 0.355s

驗證無誤。

3.性能對比

上面提到的兩種方法都可以用來獲取字符串中數(shù)字與英文字母的數(shù)量，那么我們應(yīng)該采用哪一種方法呢？

功能上沒有差別，那么我們來看下性能對比吧。

func BenchmarkGetAlphanumericNumByASCII(b *testing.B) {
	for n := 0; n < b.N; n++ {
		GetAlphanumericNumByASCII("108條梁山man")
	}
}
func BenchmarkGetAlphanumericNumByASCIIV2(b *testing.B) {
	for n := 0; n < b.N; n++ {
		GetAlphanumericNumByASCIIV2("108條梁山man")
	}
}
func BenchmarkGetAlphanumericNumByRegExp(b *testing.B) {
	for n := 0; n < b.N; n++ {
		GetAlphanumericNumByRegExp("108條梁山man")
	}
}

運行上面的基準(zhǔn)測試，輸出如下：

go test -bench=. -benchmem main/string

goos: windows
goarch: amd64
pkg: main/string
cpu: Intel(R) Core(TM) i7-9700 CPU @ 3.00GHz
BenchmarkGetAlphanumericNumByASCII-8 89540210 12.67 ns/op 0 B/op 0 allocs/op
BenchmarkGetAlphanumericNumByASCIIV2-8 63227778 19.11 ns/op 0 B/op 0 allocs/op
BenchmarkGetAlphanumericNumByRegExp-8 465954 2430 ns/op 1907 B/op 27 allocs/op
PASS
ok main/string 3.965s

不測不知道，一測嚇一跳。通過正則表達(dá)式的實現(xiàn)方式，代碼雖然簡潔，但是涉及多次內(nèi)存配分，性能與 ASCII 碼值法相比，差距非常之大，是 ASCII 碼值法的 200 倍左右。所以從性能的考慮，推薦使用 ASCII 碼值的方式獲取數(shù)字字母數(shù)量。

ASCII 碼值法有兩種遍歷方式，一種是按照字節(jié)遍歷，一種是按照 rune 字符遍歷。因為后者涉及 rune 字符的判斷，所以性能會差一些。推薦使用按照字節(jié)遍歷。

4.小結(jié)

本文給出了兩種從字符串獲取數(shù)字與字母數(shù)量的方法：

ASCII 碼值。
正則表達(dá)式。

出于性能的考慮，推薦使用 ASCII 碼值法，并使用字節(jié)遍歷的方式。

此外，本文給出的兩種方法，三種實現(xiàn)方式，相關(guān)源碼已放置開源庫 go-huge-util，可 import 直接使用。

package main
import (
	"fmt"
	huge "github.com/dablelv/go-huge-util"
)
func main() {
	fmt.Println(huge.GetAlphanumericNumByASCII("108條梁山man"))  	// 6
	fmt.Println(huge.GetAlphanumericNumByASCIIV2("108條梁山man"))  	// 6
	fmt.Println(huge.GetAlphanumericNumByRegExp("108條梁山man")) 	// 6
}