Go 语言字符（byte与rune）

犬小哈 2022-03-31 14:50:01

Go 语言中，字符串的每一个元素叫做字符，主要分为以下两种：

1、uint8 类型，或者叫 byte 型，代表了 ASCII 码的一个字符。

提示：byte 类型是 unit8 的别名。
2、rune 类型，代表了一个 UTF-8 字符。通常情况下，当需要处理中文、日文、韩文等复合字符时，需要用到 rune 类型。

我们可以在 fmt.Println 中通过 %T 来输出变量的实际类型，代码如下：

package main

import "fmt"

func main()  {
	var a byte = 'q'
	fmt.Printf("%d %T\n", a, a) // byte 的实际类型其实是个 uint8, 对应的 ASCII 编码为 113

	var b rune = '犬'
	fmt.Printf("%d %T\n", b, b) // rune 的实际类型其实是 int32, 对应的 Unicode 编码为 29356
}

代码输出如下：

113 uint8
29356 int32

图示：

go语言字符代码示例

得出结论:

byte 的实际类型其实是个 uint8, 对应的 ASCII 编码为 113；
rune 的实际类型其实是 int32, 对应的 Unicode 编码为 29356；

Go 语言中，使用了 rune 类型来处理 Unicode 编码，这样让基于 Unicode 的文本处理更为方便，同时也可以用 byte 进行默认的字符串处理，这样对性能和拓展性都有照顾。

UTF-8 和 Unicode 有何区别？

Unicode 与 ASCII 都是一种字符集。

字符集为每个字符分配一个唯一的 ID，我们使用到的所有字符在 Unicode 字符集中都有一个唯一的 ID，例如 q 字符在 Unicode 与 ASCII 中的编码都是 113。汉字“犬”在 Unicode 中的编码为 29356，在不同国家的字符集中，字符所对应的 ID 也会不同。而无论任何情况下，Unicode 中的字符的 ID 都是不会变化的。

UTF-8 是编码规则，将 Unicode 中的字符 ID 以某种方式进行编码。UTF-8 是一种变长编码规则，从 1 到 4 个字节不等。编码规则如下：