深入理解 Go 语言的 string 类型

欢迎来到我们的微信公众号，今天我们将深入探讨 Go 语言中的 string 类型。string 是 Go 语言中非常核心的一个数据类型，理解它的工作方式将帮助我们编写更高效、更安全的代码。

什么是 Go 语言中的 string？

在 Go 语言中，string 类型被定义为只读的字节序列。也就是说，string 类型的值是不可变的。这与许多其他语言（如 Python 或 Java）中的字符串行为是一致的。

str := "Hello, Gopher"
str[0] = 'h'  // 这将产生编译错误

在上述代码中，我们尝试修改 string 的第一个字符，但 Go 编译器会报错，因为 string 是不可变的。

string 标准概念

Go标准库 builtin 给出了所有内置类型的定义。源代码位于 src/builtin/builtin.go ，其中关于string的描述如
下:

// string is the set of all strings of 8-bit bytes, conventionally but not 
// necessarily representing UTF-8-encoded text. A string may be empty, but 
// not nil. Values of string type are immutable.

type string string

所以 string 是 8 比特字节的集合，通常但并不一定是 UTF-8 编码的文本。 另外，还提到了两点，非常重要:

1. string 可以为空(长度为0)，但不会是 nil;
2. string 对象不可以修改。

string 的内部结构

string 在内部是由两部分组成的：一部分是指向实际数据的指针，另一部分是记录字符串长度的整数。这种设计使得 string 在数据大的情况下传递和处理效率非常高，因为复制 string 只需要复制这两部分，而不需要复制实际的数据。

type stringStruct struct {
	str unsafe.Pointer
	len int
}

其数据结构很简单:

• str：字符串的首地址;
• len：字符串的长度; string 数据结构跟切片有些类似，只不过切片还有一个表示容量的成员，事实上string 和切片，准确的说是 byte 切片经常发生转换。这个后面再详细介绍。

string 与编码

Go 语言的 string 本质上就是字节的序列，它并不关心这些字节代表什么。这使得 string 可以包含任何数据，包括无效的 UTF-8 字符序列。

str := "Hello, 世界"
for i := 0; i < len(str); i++ {
    fmt.Printf("%x ", str[i])
}

在上述代码中，我们可以看到 string 中的每个字节的十六进制表示。对于 ASCII 字符 "Hello, "，我们看到的是它们的 ASCII 码值。但对于 “世界”，我们看到的是它们的 UTF-8 编码。

string 的操作

声明

var str string
str = "Hello World"

字符串构建过程是先跟据字符串构建 stringStruct，再转换成 string。转换的源码如下:

func gostringnocopy(str *byte) string { // 跟据字符串地址构建string
		ss := stringStruct{str: unsafe.Pointer(str), len: findnull(str)} // 先构造stringStruct
    s := *(*string)(unsafe.Pointer(&ss))
		return s 
}

尽管 string 是不可变的，我们仍然可以通过一些方法来"改变"一个 string，实际上我们是创建了一个新的 string。例如，我们可以使用 + 运算符来连接两个 string。

str1 := "Hello"
str2 := "World"
str3 := str1 + ", " + str2  // "Hello, World"

我们也可以使用 strings 包中的函数来处理 string，如 strings.Replace、strings.ToUpper 和 strings.ToLower 等。

str := "Hello, World"
str = strings.Replace(str, "World", "Gopher", -1)  // "Hello, Gopher"
str = strings.ToUpper(str)  // "HELLO, GOPHER"

[]byte 转 string

byte 切片可以很方便的转换成 string，如下所示：特别需要注意的是这种转换需要一次内存拷贝。

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

转换过程如下：

1. 跟据切片的长度申请内存空间，假设内存地址为p，切片长度为len(b);
2. 构建string(string.str = p;string.len = len;)
3. 拷贝数据(切片中数据拷贝到新申请的内存空间)

转换示意图：

string 转 []byte

string 也可以方便的转成 byte 切片，如下所示:

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

string 转换成 byte 切片，也需要一次内存拷贝，其过程如下: 申请切片内存空间，将 string 拷贝到切片。

字符串拼接

字符串可以很方便的拼接：

str := "Str1" + "Str2" + "Str3"

即便有非常多的字符串需要拼接，性能上也有比较好的保证，因为新字符串的内存空间是一次分配完成的，所以性能消耗主要在拷贝数据上。

一个拼接语句的字符串编译时都会被存放到一个切片中，拼接过程需要遍历两次切片，第一次遍历获取总的字符串长度，据此申请内存，第二次遍历会把字符串逐个拷贝过去。

字符串拼接伪代码如下：

func concatstrings(a []string) string { // 字符串拼接 
		length := 0 // 拼接后总的字符串长度
    for _, str := range a {
        length += length(str)
  	}
		
		s, b := rawstring(length) // 生成指定大小的字符串，返回一个 string 和切片，二者共享内存空间
    for_,str:=rangea{
  			copy(b, str) // string无法修改，只能通过切片修改
		 		b = b[len(str):]
		}

		return s
}

因为 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，二者共享同一块内存空间，后面向切片中拷贝数据，也就间接修改了string。

rawstring() 源代码如下:

func rawstring(size int) (s string, b []byte) { // 生成一个新的string，返回的string和切片共享相同的空间
		p := mallocgc(uintptr(size), nil, false)

		stringStructOf(&s).str = p
		stringStructOf(&s).len = size

		*(*slice)(unsafe.Pointer(&b)) = slice{p, size, size}
		return
}

总结

Go 语言中的 string 是一个复杂但强大的工具。理解 string 的内部工作原理可以帮助我们更好地使用它，并编写出更高效、更安全的代码。

为什么字符串不允许修改?

像 C++ 语言中的 string，其本身拥有内存空间，修改 string 是支持的。但 Go 的实现中，string 不包含内存空间，只有一个内存的指针，这样做的好处是 string 变得非常轻量，可以很方便的进行传递而不用担心内存拷贝。

因为 string 通常指向字符串字面量，而字符串字面量存储位置是只读段，而不是堆或栈上，所以才有了 string 不可修改的约定。

string 和 []byte 如何取舍

string 和 []byte 都可以表示字符串，但因数据结构不同，其衍生出来的方法也不同，要跟据实际应用场景来选择。

string 擅长的场景：

1. 需要字符串比较的场景;
2. 不需要 nil 字符串的场景;

[]byte 擅长的场景:

1. 修改字符串的场景，尤其是修改粒度为1个字节;
2. 函数返回值，需要用 nil 表示含义的场景;
3. 需要切片操作的场景;

如果您想了解更多关于 Go 语言的知识和技巧，欢迎关注我们的微信公众号。我们将定期分享更多有关 Go 语言的深入文章和教程。

请关注公众号【Java千练】，更多干货文章等你来看！