Go基础之国际化字符＂rune＂

• 基本的概念，什么是Unicode，什么是UTF-8，什么是UTF-16。

Unicode，UTF-8，UTF-16完整的说明请参考Wiki（Unicode，UTF-8，UTF-16）。用比较简单的话来说就是，Unicode定义了所有可以用来表示字符的数值集合（称之为Code Point）。UTF-8和UTF-16等UTF标准定义了这些数值和字符的映射关系。

在UTF8编码中，英文字符占用一个字节；绝大多数汉字占用三个字节，个别汉字占用四个字节。

• go中的"rune"类似与Java或其他语言中的"char"，但＂rune＂占４个字节，相当于int32的别名，可以很好的支持中文字符等国际化字符，而＂char＂只占２个字节，不能很好的支持汉字等字符

package main

import (
    "fmt"
    "unicode/utf8"
)

func main() {
    s := "Yes我是中国人！"
    
    fmt.Println(len(s))   //结果：21  UTF-8编码　 一个英文字母和一个标点各占一个字符，一个汉字占三个字符
    
    fmt.Printf("%x \n", s)  //结果：596573e68891e698afe4b8ade59bbde4babaefbc81 
    fmt.Println([]byte(s))  //结果：[89 101 115 230 136 145 230 152 175 228 184 173 229 155 189 228 186 186 239 188 129]
    fmt.Printf("%d\n", []byte(s)) //结果：[89 101 115 230 136 145 230 152 175 228 184 173 229 155 189 228 186 186 239 188 129]
    fmt.Printf("%x\n", []byte(s))  //结果：596573e68891e698afe4b8ade59bbde4babaefbc81 
    fmt.Printf("%s\n", []byte(s))  //结果：Yes我是中国人！
    
    for _, v := range []byte(s){
        fmt.Printf("%x ", v)  //结果：59 65 73 e6 88 91 e6 98 af e4 b8 ad e5 9b bd e4 ba ba ef bc 81　　这里可以看到UTF-8编码
    }
    fmt.Println()
    
    for i, ch := range s {    //对一个string遍历，获得的每个字符都是一个rune
        fmt.Printf("(%d, %x) ", i, ch)  
        //结果：(0, 59) (1, 65) (2, 73) (3, 6211) (6, 662f) (9, 4e2d) (12, 56fd) (15, 4eba) (18, ff01) 
        //这里的　ch 其实就是一个rune      输出长度为９， 英文字母，汉字，标点　各为一个rune
        //rune 是４字节的，这里只显示了后两个字节　且由原来的UTF-8转为了Unicode编码
        //注意　输出的＂i＂不是连续的　这里的＂i＂是每个rune起始字节在整个字节数组中的索引值，rune 的码点
    }
    fmt.Println()
    
    fmt.Println(utf8.RuneCountInString(s))  //结果：９　想获得一个string（包含汉字）的长度　可以用　utf8.RuneCountInString(s)
    
    bytes := []byte(s)
    for len(bytes)>0 {
        ch, size := utf8.DecodeRune(bytes)
        bytes = bytes[size:]
        fmt.Printf("%c ", ch)  //结果：　Y e s 我 是 中 国 人 ！ 
    }
    fmt.Println()
    
    //实际中，往往是想获得string中每个字符的索引和内容　可以将string转为[]rune
    for i, ch := range []rune(s) {
        fmt.Printf("(%d,%c) ", i, ch)  //结果：(0,Y) (1,e) (2,s) (3,我) (4,是) (5,中) (6,国) (7,人) (8,！) 
    }
}

• 总结： ​​​​​​​​​​​​​​

1. 直接用range 遍历一个带有汉字的string，得到的索引是 每个汉字开头字节的索引，以及汉字的unicode编码
2. 可以先将string转为［］rune 再进行遍历，这样可以获得汉字的索引及汉字
3. 对string 使用len(s) 获得的是string的字节长度；　而可以对string使用utf8.RuneCountInString(s)获得string中的rune长度

• string的一些其他常见操作 

＂strings＂包： 

1. ​​​​​​​Fields, Split, Join
2. Contains, Index
3. ToLower, ToUpper
4. Trim, TrimRight, TrimLeft