go - 符文与字节范围在字符串上

Question

根据https://blog.golang.org/strings和我的测试，看起来当我们range是一个字符串时，我们得到的字符是rune类型，但是如果我们得到它str[index]，它们就会是byte类型，这是为什么呢？

Answer 1

关于为什么以这种方式定义语言的快速简单的答案。

想想符文是什么。Arune表示一个 Unicode 代码点，它可以由多个字节组成，并且根据编码也有不同的表示。

mystring[i]现在想想如果返回 arune而不是 a会意味着什么byte。由于不扫描字符串就无法知道每个符文的长度，因此该操作需要每次扫描整个字符串，从而使类似数组的访问需要 O(n) 而不是 O(1)。

如果mystring[i]每次都扫描整个字符串，这对于语言的用户来说是非常违反直觉的，对于语言开发人员来说也更加复杂。这就是为什么大多数编程语言（如 Go、Rust、Python）区分 Unicode 字符和字节，有时只支持字节索引。

从一开始迭代时，一次访问一个字符串rune要简单得多，例如使用range. 可以扫描连续的字节并将它们组合在一起，直到它们形成一个可以返回为 的有效 Unicode 字符rune，然后转到下一个。

Answer 2

首先，为什么是因为这就是语言的定义方式。String 类型告诉我们：

字符串值是一个（可能为空的）字节序列。字节数称为字符串的长度，永远不会是负数。字符串是不可变的：一旦创建，就不可能更改字符串的内容。

和：

可以通过整数索引 0 到 len(s)-1 访问字符串的字节。

同时，range是一个可以插入到for语句中的子句，规范说：

"range" 子句中右边的表达式称为范围表达式，可以是... [a] string ...

和：

2. 对于字符串值，“range”子句从字节索引 0 开始迭代字符串中的 Unicode 代码点。在连续迭代中，索引值将是连续 UTF-8 编码代码点的第一个字节的索引字符串和 type 的第二个值rune将是相应代码点的值。如果迭代遇到无效的 UTF-8 序列，则第二个值将是0xFFFDUnicode 替换字符，并且下一次迭代将在字符串中前进一个字节。

如果你想知道为什么语言是这样定义的，你真的必须问定义者自己。但是，请注意，如果for仅在字节上进行范围，则需要构建自己的更高级的循环来范围在符文上。鉴于for ... range 确实可以通过符文工作，如果您想通过字符串中的字节来工作s，您可以编写：

for i := 0; i < len(s); i++ {
    ...
}

并轻松访问s[i]循环内部。你也可以写：

for i, b := range []byte(s) {
}

并访问循环内的索引i和字节。b（从 string 转换为[]byte，或反之亦然，可能需要一个副本，因为[]byte可以修改。但是，在这种情况下，range不会修改它，编译器可以优化掉副本。请参阅下面的 icza 评论或对golang 的此答案：[ ]byte(string) vs []byte(*string) .) 所以你并没有失去任何能力，只是可能有点简洁。

Answer 3

只是让你知道。如果您想使用经典的 for循环遍历 astring并使用运算符[]来获取rune，您可以执行以下操作：

{
  rstr := []rune(MyString)
  for idx := 0; idx < len(rstr); idx++ {
    // code before...
    currentRune := rstr[idx]
    _ = currentRune // to avoid unused error
    // code after...
  }
}