有趣的面试题：Go语言字符串的字节长度和字符个数

背景

哈喽，大家好，我是asong。今天我们一起来看看Go语言中的rune数据类型，首先从一道面试题入手，你能很快说出下面这道题的答案吗？

func main()  {
 str := "Golang梦工厂"
 fmt.Println(len(str))
 fmt.Println(len([]rune(str)))
}

运行结果是15和15还是15和9呢？先思考一下，一会揭晓答案。

其实这并不是一道面试题，是我在日常开发中遇到的一个问题，当时场景是这样的：后端要对前端传来的字符串做字符校验，产品的需求是限制为200字符，然后我在后端做校验时直接使用len(str) > 200来做判断，结果出现了bug，前端字符校验没有超过200字符，调用后端接口确一直是参数错误，改成使用len([]rune(str)) > 200成功解决了这个问题。具体原因我们在文中揭晓。

Unicode和字符编码

在介绍rune类型之前，我们还是要从一些基础知识开始。------ Unicode和字符编码。

• 什么是Unicode？

我们都知道计算机只能处理数字，如果想要处理文本需要转换为数字才能处理，早些时候，计算机在设计上采用8bit作为一个byte，一个byte表示的最大整数就是255，想表示更大的整数，就需要更多的byte。显然，一个字节表示中文，是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，我国制定了GB2312编码，用来把中文编进去。但是世界上有很多语言，不同语言制定一个编码，就会不可避免地出现冲突，所以unicode字符就是来解决这个痛点的。Unicode把所有语言都统一到一套编码里。总结来说："unicode其实就是对字符的一种编码方式，可以理解为一个字符---数字的映射机制，利用一个数字即可表示一个字符。"

• 什么是字符编码？

虽然unicode把所有语言统一到一套编码里了，但是他却没有规定字符对应的二进制码是如何存储。以汉字“汉”为例，它的 Unicode 码点是 0x6c49，对应的二进制数是 110110001001001，二进制数有 15位，这也就说明了它至少需要 2个字节来表示。可以想象，在Unicode 字典中往后的字符可能就需要 3个字节或者 4个字节，甚至更多字节来表示了。

这就导致了一些问题，计算机怎么知道你这个2个字节表示的是一个字符，而不是分别表示两个字符呢？这里我们可能会想到，那就取个最大的，假如 Unicode中最大的字符用4 字节就可以表示了，那么我们就将所有的字符都用4个字节来表示，不够的就往前面补0。这样确实可以解决编码问题，但是却造成了空间的极大浪费，如果是一个英文文档，那文件大小就大出了3 倍，这显然是无法接受的。

于是，为了较好的解决Unicode 的编码问题， UTF-8 和UTF-16 两种当前比较流行的编码方式诞生了。UTF-8 是目前互联网上使用最广泛的一种Unicode编码方式，它的最大特点就是可变长。它可以使用 1 - 4个字节表示一个字符，根据字符的不同变换长度。在UTF-8编码中，一个英文为一个字节，一个中文为三个字节。

Go语言中的字符串

基本概念

先来看一下官方对string的定义：

// string is the set of all strings of 8-bit bytes, conventionally but not
// necessarily representing UTF-8-encoded text. A string may be empty, but
// not nil. Values of string type are immutable.
type string string

人工翻译：

string是8位字节的集合，通常但不一定代表UTF-8编码的文本。string可以为空，但不能为nil。string的值是不能改变的

说得通俗一点，其实字符串实际上是只读的字节切片，对于字符串底层而言就是一个byte数组，不过这个数组是只读的，不允许修改。

写个例子验证一下：

func main()  {
 byte1 := []byte("Hl Asong!")
 byte1[1] = 'i'

 str1 := "Hl Asong!"
 str1[1] = 'i'
}

对于byte的操作是可行，而string操作会直接报错：

cannot assign to str1[1]

所以说string修改操作是不允许的，仅仅支持替换操作。

根据前面的分析，我们也可以得出我们将字符存储在字符串中时，也就是按字节进行存储的，所以最后存储的其实是一个数值。

Go语言的字符串编码

上面我们介绍了字符串的基本概念，接下来我们看一下Go语言中的字符串编码是怎样的。

Go源代码为 UTF-8 编码格式的，源代码中的字符串直接量是 UTF-8 文本。所以Go语言中字符串是UTF-8编码格式的。

Go语言字符串循环

Go语言中字符串可以使用range循环和下标循环。我们写一个例子，看一下两种方式循环有什么区别：

func main()  {
 str := "Golang梦工厂"
 for k,v := range str{
  fmt.Printf("v type: %T index,val: %v,%v \n",v,k,v)
 }
 for i:=0 ; i< len(str) ; i++{
  fmt.Printf("v type: %T index,val:%v,%v \n",str[i],i,str[i])
 }
}

运行结果：

v type: int32 index,val: 0,71 
v type: int32 index,val: 1,111 
v type: int32 index,val: 2,108 
v type: int32 index,val: 3,97 
v type: int32 index,val: 4,110 
v type: int32 index,val: 5,103 
v type: int32 index,val: 6,26790 
v type: int32 index,val: 9,24037 
v type: int32 index,val: 12,21378 
v type: uint8 index,val:0,71 
v type: uint8 index,val:1,111 
v type: uint8 index,val:2,108 
v type: uint8 index,val:3,97 
v type: uint8 index,val:4,110 
v type: uint8 index,val:5,103 
v type: uint8 index,val:6,230 
v type: uint8 index,val:7,162 
v type: uint8 index,val:8,166 
v type: uint8 index,val:9,229 
v type: uint8 index,val:10,183 
v type: uint8 index,val:11,165 
v type: uint8 index,val:12,229 
v type: uint8 index,val:13,142 
v type: uint8 index,val:14,130

根据运行结果我们可以得出如下结论：

使用下标遍历获取的是ASCII字符，而使用Range遍历获取的是Unicode字符。

什么是rune数据类型

官方对rune的定义如下：

// rune is an alias for int32 and is equivalent to int32 in all ways. It is
// used, by convention, to distinguish character values from integer values.
type rune = int32

人工翻译：

rune是int32的别名，在所有方面都等同于int32，按照约定，它用于区分字符值和整数值。

说的通俗一点就是rune一个值代表的就是一个Unicode字符，因为一个Go语言中字符串编码为UTF-8，使用1-4字节就可以表示一个字符，所以使用int32类型范围就可以完美适配。

答案揭晓

前面说了这么多知识点，确实有点乱了，我们现在就根据开始的那道题来做一个总结。为了方便查看，再贴一下这道题：

func main()  {
 str := "Golang梦工厂"
 fmt.Println(len(str))
 fmt.Println(len([]rune(str)))
}

这道题的正确答案是15和9。

具体原因：

len()函数是用来获取字符串的字节长度，rune一个值代表的就是一个Unicode字符，所以求rune切片的长度就是字符个数。因为在utf-8编码中，英文占1个字节，中文占3个字节，所以最终结果就是15和9。

贴个图，方便理解：

unicode/utf8库

如果大家对rune的使用不是很明确，可以学习使用一下Go标准库unicode/utf8，其中提供了多种关于rune的使用方法。比如上面这道题，我们就可以使用utf8.RuneCountInString方法获取字符个数。更多库函数使用方法请自行解锁，本篇就不做过多介绍了。

总结

针对全文，我们做一个总结：

• Go语言源代码始终为UTF-8
• Go语言的字符串可以包含任意字节，字符底层是一个只读的byte数组。
• Go语言中字符串可以进行循环，使用下表循环获取的acsii字符，使用range循环获取的unicode字符。
• Go语言中提供了rune类型用来区分字符值和整数值，一个值代表的就是一个Unicode字符。
• Go语言中获取字符串的字节长度使用len()函数，获取字符串的字符个数使用utf8.RuneCountInString函数或者转换为rune切片求其长度，这两种方法都可以达到预期结果。