跳到主要内容

String（字符串）

Go 字符串是不可变的字节序列。源代码中的字符串通常使用 UTF-8 编码，但字符串值本身可以包含任意字节，并不保证一定是有效的 UTF-8 文本。

创建字符串​

解释字符串字面量使用双引号，支持 \n、\t、\\ 等转义序列：

package main

import "fmt"

func main() {
	message := "Hello\nGo"
	fmt.Println(message)
}

原始字符串字面量使用反引号，其中的内容基本按原样保留，可以跨行书写：

query := `SELECT id, name
FROM users
WHERE active = true`

原始字符串中不能包含反引号。源文件中的回车符在原始字符串值里会被丢弃，因此它不适合精确表达包含回车字节的协议数据。

字节长度与索引​

内置 len 返回字符串的字节数，不是用户看到的字符数。按索引访问也只会得到一个 byte，即 uint8 的别名：

package main

import "fmt"

func main() {
	text := "Go语言"
	fmt.Println(len(text)) // 8
	fmt.Printf("%T %q\n", text[2], text[2])
}

G 和 o 各占一个 UTF-8 字节，语 和 言 各占三个字节，所以总长度是 8。索引越界会在运行时触发 panic。

字符串不可变，不能执行 text[0] = 'g'。如果需要按字节修改，应先转换为 []byte，修改后再转换回字符串。

使用 range 按 Unicode 码点遍历​

for range 会把字符串按 UTF-8 解码。每轮得到当前码点起始位置的字节索引，以及类型为 rune 的码点值；rune 是 int32 的别名：

package main

import "fmt"

func main() {
	text := "Go语言"
	for byteIndex, codePoint := range text {
		fmt.Printf("index=%d rune=%c value=%U\n", byteIndex, codePoint, codePoint)
	}
}

输出中的索引依次为 0、1、2、5，因为它们是字节偏移量。若字符串包含无效 UTF-8，range 会产生 Unicode 替换字符 U+FFFD；每遇到无效编码时前进一个字节。

可以使用 unicode/utf8 包处理 UTF-8：

package main

import (
	"fmt"
	"unicode/utf8"
)

func main() {
	text := "Go语言"
	fmt.Println(utf8.ValidString(text))       // true
	fmt.Println(utf8.RuneCountInString(text)) // 4
}

码点数量也不一定等于用户感知的字符数量。例如一个显示出来的字符可能由多个码点组合而成，表情符号也可能包含多个码点。需要按字素簇处理时，应使用合适的 Unicode 库并明确产品需求。

byte 与 rune 的选择​

  • 处理文件格式、网络协议、哈希或已知 ASCII 内容时，通常按 byte 工作。
  • 处理 Unicode 码点、分类或大小写规则时，通常按 rune 工作。
  • 处理用户界面的“一个字符”时，单个 rune 仍可能不够，需要考虑字素簇。

不要为了修改一小段 ASCII 协议数据而无条件转换为 []rune；也不要按字节截取自然语言文本后假设结果仍是有效 UTF-8。

字符串与切片转换​

转换为 []byte 后可以修改字节：

package main

import "fmt"

func main() {
	text := "Gopher"
	data := []byte(text)
	data[0] = 'g'

	fmt.Println(text)         // Gopher
	fmt.Println(string(data)) // gopher
}

转换为 []rune 适合按码点修改：

text := "Go语言"
codePoints := []rune(text)
codePoints[2] = '语'
text = string(codePoints)

这些转换表达的是不同的数据视图：[]byte 按原始字节拆分，[]rune 按 UTF-8 解码为码点。无效 UTF-8 在转换为 []rune 时会以替换字符呈现。

截取字符串​

字符串切片表达式按字节索引截取：

text := "Go语言"
prefix := text[:2] // "Go"

如果边界落在一个多字节 UTF-8 编码的中间，操作本身仍可能成功，但结果会包含无效 UTF-8。按码点截取可以先转换为 []rune：

codePoints := []rune(text)
firstThree := string(codePoints[:3]) // "Go语"

这仍不是按字素簇截取。输入边界还必须先检查，避免切片越界。

比较与查找​

字符串是可比较类型，可以使用 ==、!=、< 等运算符。顺序比较按字节的字典序进行，不等同于面向特定自然语言的排序规则。

标准库 strings 包提供常见操作：

package main

import (
	"fmt"
	"strings"
)

func main() {
	path := "api/users"
	fmt.Println(strings.HasPrefix(path, "api/"))
	fmt.Println(strings.Contains(path, "user"))
	fmt.Println(strings.Split(path, "/"))
}

Unicode 大小写、空白和分类规则可结合 strings 与 unicode 包处理。不要通过手写 ASCII 偏移量实现通用 Unicode 转换。

拼接字符串​

少量字符串可以直接使用 +：

fullName := firstName + " " + lastName

循环中拼接大量片段时，可以使用 strings.Builder，减少不必要的中间字符串：

package main

import (
	"fmt"
	"strings"
)

func main() {
	var builder strings.Builder
	for _, part := range []string{"Go", " ", "server"} {
		builder.WriteString(part)
	}
	fmt.Println(builder.String())
}

strings.Join 更适合用固定分隔符连接现有字符串切片。具体方式的性能差异应通过基准测试验证，不需要为很小的固定表达式过度优化。

与 TypeScript/JavaScript 的关键差异​

Go 与 JavaScript 的字符串都不可直接修改，但长度和遍历语义不同。JavaScript 字符串以 UTF-16 代码单元组织，Go 字符串保存字节且通常承载 UTF-8；因此两者的 length、索引和 Unicode 边界不能直接类比。

小结​

  • Go 字符串是不可变字节序列，可以包含无效 UTF-8。
  • len 和索引按字节工作，range 按 UTF-8 解码并返回字节索引与 rune。
  • rune 表示 Unicode 码点，但一个用户感知字符可能包含多个码点。
  • 截取字符串必须明确采用字节、码点还是字素簇边界。
  • 少量拼接使用 +，批量构建可使用 strings.Builder 或 strings.Join。