基本概念
在 Go 语言中,`byte` 和 `rune` 是两种不同的数据类型,用于处理字符和字节数据。
1. `byte` 类型:
- `byte` 是 Go 语言中的内置类型,它是一个无符号的整数类型,占用 1 个字节(8 位)的存储空间。
- `byte` 类型通常用于表示 ASCII 字符或二进制数据,范围为 0 到 255 之间。
如果用byte表示汉字,通常是utf-8编码格式(unicode的一种),用3个字节表示即3位byte表示
2. `rune` 类型:
- `rune` 也是 Go 语言中的内置类型,它是一个有符号的整数类型,占用 4 个字节(32 位)的存储空间。
- `rune` 类型用于表示 Unicode 字符,它可以表示任何 Unicode 码点,范围从 U+0000 到 U+10FFFF。
虽然 `byte` 和 `rune` 都可以用来表示字符,但它们在存储和表示方式上有所不同。`byte` 通常用于处理字节数据和 ASCII 字符,而 `rune` 用于处理 Unicode 字符,包括多字节的字符。
在 Go 语言中,字符串是由 `byte` 组成的字节数组,而使用 `[]rune` 类型可以处理字符串中的 Unicode 字符,每个 `rune` 表示一个字符。
需要根据具体的需求选择使用 `byte` 还是 `rune`,以便正确地处理字符和字节数据。
ascii 和 unicode
ASCII(American Standard Code for Information Interchange)是最早的字符编码标准,定义了 128 个字符的编码,包括大写和小写字母、数字、标点符号和一些控制字符。ASCII 字符集使用 7 位编码,每个字符占用一个字节。
Unicode 是一种更为全面的字符编码标准,旨在包含地球上所有的字符。Unicode 字符集定义了每个字符的唯一码点,使每个字符都具有唯一的标识。
Unicode 字符集的前 128 个码点(0x0000 到 0x007F)与 ASCII 字符集完全兼容,也就是说,这些码点的字符与 ASCII 字符集中的对应字符是一致的。因此,基本拉丁字母(包括大写和小写字母)在 Unicode 中的编码与 ASCII 中的编码是相同的。
tips:
UTF(Unicode Transformation Format)则是一种编码方式,用于将 Unicode 字符集中的字符编码为字节序列。UTF-8、UTF-16 和 UTF-32 是常见的 UTF 编码格式。
- UTF-8:使用变长字节表示,每个字符的编码长度为 1 到 4 个字节。
- UTF-16:使用定长 2 个字节或 4 个字节表示,基本多语言平面(BMP)中的字符使用 2 个字节编码,其他字符使用 4 个字节编码。
- UTF-32:使用定长 4 个字节表示,每个字符都使用 4 个字节编码。