go基础数据类型 - string的底层

先上一段代码 ：

func main() {
	content := "长沙boy"
	content1 := "boy"
	fmt.Printf("content: %d\n", unsafe.Sizeof(content))
	fmt.Printf("content1: %d\n", unsafe.Sizeof(content1))
}

打印的结果：

content: 16
content1: 16

问题1、从这里能看出，这个16基本字符串的内容长短没关系，那是和什么相关？

还是上面那个例子，很多人意识到打印长度，应该换成 len()方法

fmt.Printf("content: %d\n", len(content))
fmt.Printf("content1: %d\n", len(content1))

打印结果：

content: 9
content1: 3

问题2，为什么这个字符长度会是9和3 ？

第一个问题，需要查看下string的底层实现。

string 在runtime中的定义

在runtime的string.go中有定义：

type stringStruct struct {
	str unsafe.Pointer
	len int
}

看到这里，第一个问题有答案了，unsafe.Sizeof` 打印string 为什么是16，

因为打印的是结构体的大小，所以不管什么内容的string，大小都为16，

unsafe.Pointer 和 int 各占8个 ，当然这个和操作系统的位数有关。

小结：

字符串本质是个结构体
str指针指向底层Byte数组
Len表示Byte数组的长度

string的字符串长度

能看出调用 len()打印的长度，就是 stringStruct的len的长度。

验证下：

content := "长沙boy"
// util.StringHeader 以前是放在 reflect反射包中
c := (*util.StringHeader)(unsafe.Pointer(&content))
fmt.Printf("c: %d\n", c.Len)

打印：c: 9

那为什么是9？ 不是3或者5？

要引入编码问题：

Unicode

一种统一的字符集

囊括了159种文字的144679个字符

14万个字符至少需要3个字节表示

英文字母均排在前128个

因为，英文字符也会占3个字节，会超出浪费。

UTF-8变长编码

Unicode的一种变长格式

128个US-ASCIl字符只需一个字节编码

西方常用字符需要两个字节

其他宇符需要了个字节，极少需要4个字节

go就是采用这个编码，这样就能解释了，为什么 长沙boy 是9，中文3个，英文每个字母1个。

string的读取

content := "长沙boy"
for i := 0; i < len(content); i++ {
	fmt.Println(content[i])
}
打印：
233
149
191
230
178
153
98
111
121

显然不对，这样字节值。

应该采用这个方式：
 content := "长沙boy"
 for _, c := range content {
	fmt.Printf("%c\n", c)
 }

go底层是采用了 runtime下的 utf-8.go中定义的两个方法：

// encoderune writes into p (which must be large enough) the UTF-8 encoding of the rune.
// It returns the number of bytes written.
func encoderune(p []byte, r rune) int {}


  // If the string appears to be incomplete or decoding problems
  // are encountered (runeerror, k + 1) is returned to ensure
  // progress when decoderune is used to iterate over a string.
  func decoderune(s string, k int) (r rune, pos int) {}

能看到值转为了 rune 类型后再进行的。

小结：

对字符串使用len方法得到的是字节数不是字符数
对宇符串直接使用下标访问，得到的是字节
宇符串被range遍历时，被解码成rune类型的字符
UTF-8 编码解码算法位于 runtime/utf8.go

宇符串的切分

    转为rune数组
    切片
    转为 string   
 s=string ([]rune(s)[:3) 取前3个

rune类型是Go语言中的一个基本类型，其实就是一个int32的别名，主要用于表示一个字符类型大于一个字节小于等于4个字节的情况下，特别是中文字符。