go语言中的字符串是utf-8编码的字节序列，直接通过索引访问会得到字节而非unicode符文。要正确地按符文（即unicode代码点）遍历字符串，应使用`for…range`循环。该循环会自动解析utf-8编码，每次迭代提供符文的起始字节位置和对应的`rune`类型值，从而确保对多字节字符的正确处理。
在Go语言中，字符串本质上是只读的字节切片（[]byte）。这意味着当我们尝试通过传统的索引方式，例如str[i]，来访问字符串的元素时，我们获取到的是一个byte类型的值（uint8），而不是一个Unicode符文（rune）。对于只包含ASCII字符的字符串，这可能不会立即引发问题，因为每个ASCII字符都只占用一个字节。然而，当字符串包含多字节的UTF-8编码字符（如中文、日文等）时，直接的字节索引将无法正确识别单个字符，可能导致乱码或逻辑错误。
理解Go语言字符串与符文
字符串（string）: Go语言的字符串是不可变的字节序列，通常以UTF-8编码存储。len(str)返回的是字符串的字节长度，而非字符（符文）数量。符文（rune）: rune是Go语言中int32的别名，用于表示一个Unicode代码点。一个符文可能由一个或多个字节组成。
错误的遍历方式
尝试通过字节索引来遍历字符串并期望得到符文是一种常见的误解：
package mainimport "fmt"func main() { str := "你好world" // 这种方式是错误的，str[i]返回的是byte for i := 0; i < len(str); i++ { // fmt.Printf("byte at index %d: %cn", i, str[i]) // str[i]是byte，直接打印%c可能不正确 fmt.Printf("byte at index %d: %Xn", i, str[i]) // 打印字节的十六进制值 }}
运行上述代码，你会发现对于“你好”这样的多字节字符，它会打印出多个字节，而不是单个字符。例如，“你”在UTF-8中由三个字节组成。
正确的符文遍历方式：使用 for…range 循环
Go语言提供了一种专门用于处理Unicode字符串的简洁而强大的机制，即在字符串上使用for…range循环。当for…range循环用于字符串时，它会智能地解析UTF-8编码，每次迭代返回两个值：
立即学习“go语言免费学习笔记（深入）”；
pos: 当前符文在原始字符串中的起始字节位置。char: 当前的Unicode符文，类型为rune。
以下是正确遍历字符串并处理符文的示例：
package mainimport "fmt"func main() { s := "日本語" // 包含多字节UTF-8字符的字符串 fmt.Println("使用 for...range 遍历字符串：") for pos, char := range s { fmt.Printf("字符 '%c' (rune: %U) 始于字节位置 %dn", char, char, pos) } fmt.Println("n使用 for...range 遍历包含英文和数字的字符串：") s2 := "Hello, Go! 123" for pos, char := range s2 { fmt.Printf("字符 '%c' (rune: %U) 始于字节位置 %dn", char, char, pos) }}
运行上述代码，你将得到如下输出：
使用 for...range 遍历字符串：字符 '日' (rune: U+65E5) 始于字节位置 0字符 '本' (rune: U+672C) 始于字节位置 3字符 '語' (rune: U+8A9E) 始于字节位置 6使用 for...range 遍历包含英文和数字的字符串：字符 'H' (rune: U+48) 始于字节位置 0字符 'e' (rune: U+65) 始于字节位置 1字符 'l' (rune: U+6C) 始于字节位置 2字符 'l' (rune: U+6C) 始于字节位置 3字符 'o' (rune: U+6F) 始于字节位置 4字符 ',' (rune: U+2C) 始于字节位置 5字符 ' ' (rune: U+20) 始于字节位置 6字符 'G' (rune: U+47) 始于字节位置 7字符 'o' (rune: U+6F) 始于字节位置 8字符 '!' (rune: U+21) 始于字节位置 9字符 ' ' (rune: U+20) 始于字节位置 10字符 '1' (rune: U+31) 始于字节位置 11字符 '2' (rune: U+32) 始于字节位置 12字符 '3' (rune: U+33) 始于字节位置 13
从输出可以看出，对于“日本語”这样的字符串，range循环正确地识别了每个字符，并给出了它们在字节序列中的起始位置。例如，“日”是第一个字符，从字节位置0开始；“本”是第二个字符，但它从字节位置3开始，这表明“日”占据了3个字节。对于单字节的ASCII字符，pos会按1递增。
注意事项
符文计数: len(str)返回的是字节数，而不是符文数。要获取字符串中的符文数量，可以使用unicode/utf8包中的utf8.RuneCountInString(str)函数。字符串修改: Go语言的字符串是不可变的。如果需要修改字符串内容，通常需要将其转换为[]rune或[]byte，进行修改后再转换回string。手动解码: 在极少数需要更底层控制的场景下，可以使用unicode/utf8包中的utf8.DecodeRuneInString或utf8.DecodeRune函数手动解码UTF-8字节序列。但对于简单的符文遍历，for…range是首选且最安全的方式。
总结
在Go语言中，处理包含Unicode字符的字符串时，始终建议使用for…range循环来按符文进行迭代。这种方式不仅代码简洁，而且能够正确处理UTF-8编码的多字节字符，避免了直接字节索引可能导致的错误和复杂性。理解字符串是字节序列，而rune是Unicode代码点的概念，是编写健壮Go程序的基础。
以上就是Go语言中按符文（Rune）遍历字符串的正确姿势的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1415888.html
微信扫一扫 
支付宝扫一扫 
