【Go专家编程——常见数据结构的实现原理string】

1. 字符串的常见特性

• 字符串使用Unicode编码存储字符，字符串长度是指Unicode编码所占的字节数，一个中文字符需要3个字节
• string可能为空，但不会是nil
• 字符串是不可修改的

1.1 用法

1）声明

var s1 string//此时s1是一个空字符串，不是nil
s1 = "Hello World"

s2 := "Hello World"

2）双引号和反单引号的区别
他们的区别在于对特殊字符的处理

• 使用双引号表示字符串必须要卸载一行之内，否则需要用加号进行连接，而且对于换行符等需要明确写出
• 使用反单引号后特殊字符不需要进行转义

//双引号
s := "Hi, \nthis is \"RainbowMango\"."
//如果使用单引号
s1 := `Hi,
this is "RainbowMango".`

3）字符串拼接
字符串可以使用加号进行拼接
s = s+ "a" + "b"
字符串凭借会触发内存分配及内存拷贝，单行语句拼接多个字符串只会触发一次内存分配。在拼接时会先计算字符串的长度再分配内存。

4）类型转换
项目中的数据经常需要再string和字节切片([]byte)之间转换
转换将会发生一次内存拷贝，会有一定的花销

func ByteToString(){
	b := []byte{'H','e','l','l','o'}
	s := string(b)//Hello
}
func StringToByte(){
	s := "Hello"
	b := []byte(s)//[72,101,108,108,111]
}

1.2 特点

1）UTF编码
string使用8比特字节的集合来存储字符，存储的是字符的UTF-8编码，例如每个汉字字符的UTF-8编码将占用多个字节。

字符串的长度是字节数，而不是字符数。

2）值不可修改

• 字符串可以为空，但值不会是nil，但值不会是nil
• 字符串不可以修改，不能通过下标方式修改字符串中的值
• 字符串变量可以接受新的字符串赋值

2.实现原理

2.1 数据结构

源码在src/runtime/string.go
string在runtime包中是stringStruct类型，对外呈现为string类型

type stringStruct struct{
	//字符串的首地址
	str unsafe.Pointer
	//字符串的长度
	len int
}

在runtime包中使用函数gostringnocopy()来生成字符串。
字符串生成时，会先构建stringStruct对象，再转换成string，转换的源码如下：

func gostringnocopy(str *byte) string {
	//先构建stringStruct
	ss := stringStruct{str: unsafe.Pointer(str),len: findnull(str)}
	s := *(*string)(unsafe.Pointer(&ss))
	return s
}

2.2 字符串表示

• 字符串使用Unicode编码存储字符
• 对于英文字符来说，每个字符的Unicode编码只用一个字节即可表示。
• 对于非ASCII字符来说，其Unicode编码可能需要由多个字节表示

2.3 字符串拼接

字符串拼接需要遍历两次数组

• 第一次遍历会获得总的字符串长度，据此申请内存
• 第二次遍历会把字符串逐个拷贝过去

伪代码如下：

func concatstrings(a []string) string {
	length := 0
	for _,str := range a{
		length += len(str)
	}
	// 分配内存，返回一个string和切片，二者共享内存空间
	s,b := rawstring(length)
	// string 无法修改，只能通过切片修改
	for _,str := range a{
		copy(b,str)
		b = b[len(str):]
	}
	return s
}

由于string是无法直接修改的，所以这里使用rawstring()方法初始化一个指定大小的string，同时返回一个切片，二者共享一块内存空间，后面向切片中拷贝数据，也就间接修改了string。

rawstring的伪代码如下：

// 生成一个新的string，返回的string和切片共享相同的空间
func rawstring(size int)(s string,b []){
	p:=mallocgc(uintptr(size), nil, false)
	
	stringStructOf(&s).str = p
	stringStructOf(&s).len = size
	//包装成slice对象
	*(*slice)(unsafe.Pointer(&b)) = slice(p, size, size)
	return
}

2.4 类型转换

2.4.1 []byte转string

byte切片可以很方便地转换成string

func GetStringBySlice(s []byte)string{
	return string(s)
}

• 转换过程
• 根据切片的长度申请内存空间（会优先使用一个固定大小的buf，长度不够时才会申请新的内存），假设内存地址为p，长度为len
• 构建string（string.str = p;string.len = len）
• 拷贝数据(切片中的数据拷贝到新申请的内存空间)

2.4.2 string转[]byte

string也可以很方便地转换成byte切片

func GetSliceByString(str string)[]byte{
	return []byte(str)
}

• 转换过程
• 申请切片内存空间
• 将string拷贝到切片

2.4.3 编译优化

byte切片转换成string的场景很多，处于性能上的考虑，在只是临时需要字符串的场景下，byte切片转换成string时并不会拷贝内存，而是直接返回一个string，这个string的指针(string.str)指向切片的内存。

• 使用m[string(b)]查找map（map的key的类型为string时，临时把切片b转成string）
• 字符串拼接：如"<"+string(b)+">"
• 字符串比较时：string(b) == "foo"

由于只是临时将byte切片转换成string,也就避免了因byte切片内容修改而导致string数据变化的问题，所以此时可以不必拷贝内存。

3.小结

• 为什么字符串不允许修改
  • string通常指向字符串字面量，而字符串字面量的存储位置是只读段，而不是堆或栈，所以才有了string不可修改的约定
  • go中string只有一个内存指针，十分轻量，方便地进行传递。
• string和[]byte如何取舍
  • string擅长的场景
    • 需要字符串比较的场景
    • 不需要nil字符串的场景
  • []byte擅长的场景
    • 修改字符串的场景，尤其是修改颗粒为1个字节
    • 函数返回值，需要用nil表示含义的场景
    • 需要切片操作的场景
  • 偏底层还是[]byte使用得更多
  • 实际应用中还是大量使用string，因为string更为直观