3.1.1　字符串

字符串一般用来存放可读字符，因为Go源码要求为UTF-8编码，所以一般将字符串按照UTF-8的码点（rune）序列来理解。实际上，字符串对应的是字节序列，存储byte类型的0值也是可以的。此外，还可以在字节内存储GBK编码，当然是多个字节对应一个编码，此处将对应字符串理解为字节序列更为准确。

字符串本质上是不可变的字节序列，for range并不支持非UTF-8编码的遍历，因为程序“不知道”几个字节对应一个字符。再者，len()函数在Go语言中返回的是字符串字节数而非字符个数。

对于字符串，Go语言在reflect.StringHeader的结构体内有如下定义：

---

type StringHeader struct{
Data uintptr
Len int
}

---

结构体的具体内容在3.4节会进行介绍。其中，类型uintptr就是指针，用来存放字符串的地址。

下面几个代码示例，可对字符串的相关操作进行说明：

---

book/ch03/3.1/strings/main.go
1. package main
2.
3. import "fmt"
4.
5. func main() {
6.      s := "hello,world"
7.      fmt.Println(len(s))
8.      fmt.Println(s[0],s[10])
9.      fmt.Println(s[:5])
10.     fmt.Println(s[6:])
11.     fmt.Println(s[:])
12. }
13.
14. //以下是程序打印输出
15. 11
16. 104 100
17. hello
18. world
19. hello,world

---

第8行，打印出来的104和100就是“h”和“d”两个字符。

第9行至第11行，是生成一个新串，如果不写开始的下标就默认是0，不写结束的下标就默认是到最后一个字符。如果是s[i:j]，则表示左闭右开地取得字符。对应的结果可以看第17行至第19行。

不过，后面形成的新串和原来的字符串是公用内存的，新串只是记录地址和长度，可以参考图3-1加以理解。

s字符串从h开始到d结束，即字符串“hello,world”。而s[:5]则是从h开始到o字母，即字符串“hello”，s[6:]是从w开始取5个字节，即字符串“world”。

这三个字符串在内存的底层是共享的，每个字符串只是记录了地址和字节长度。

介绍完字符串的这些特点，再来介绍UTF-8、Unicode和字节的关系，这些概念是处理字符串的理论基础。

对于最初的计算机字符集，理论上ASCII编码就够用，它有128个字符：英文的大小写字母、数字、各种标点和控制符。不过随着计算机行业的高速发展，全世界有各种语言糅杂在同一个互联网中，而且未来会越来越多。显然，如果有一种字符集能够支持所有的语言，那么在进行程序处理时会更高效，程序员编码也会更为方便，在这种情况下Unicode标准应运而生。

Unicode支持超过一百种的语言和十万字符的码点。

UTF-8是Unicode标准的一种具体实现，其特点是字符长度可变，长度为1到4个字节不等。因为具有这个特性，所以它可以无缝对接ASCII码，如果UTF-8编码的第一个bit位是0，那么长度为一个字节，即只使用第一字节剩下的7位存储字符，这正好能覆盖ASCII码字符集。如果UTF-8编码的前两个bit位是10，则表示长度为两个字节，第二个字节以0开头；对于三个字节的UTF-8码，这三个字节对应的bit位分别是110、10和0。这种方式可以压缩字符存储长度。

因为字符串与字节之间存在这种不确定的长度关系，且有可能出现字节损坏或者非UTF-8编码，所以对于字符串的操作，建议使用Go语言提供的如下几个包。

▪strings：提供搜索、比较、切分与字符串连接等功能。

▪bytes：如果要对字符串的底层字节进行操作，可以使用[]bytes转换类型后进行处理。

▪strconv：主要是字符串与其他类型的转换，比如整数、布尔。

▪unicode：主要是对字符串中的单个字符做判断，比如IsLetter、IsDigit、IsUpper等。