Golang 中的字符类型

介绍

在上一节中，我们讨论了常用的数值类型。在本节中，我们将学习 Go 语言中的字符类型。

知识点：

• ASCII 编码
• UTF-8 编码
• Unicode 字符集
• byte
• rune

Skills Graph

ASCII 编码

在计算机的早期，ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）编码格式被广泛使用。它使用 7 位（bit）来表示字符，可以表示 128（2^7）个字符。其中，0 到 31 位以及 127 位表示无法显示的控制字符，而 32 到 126 位则表示日常使用的大写和小写字母、数字以及标点符号。详见表格。

随着计算机的发展，支持不同语言的需求逐渐增加。ASCII 编码无法满足这一需求。因此，不同语言开发了自己的编码格式，例如简体中文的 GB2312、韩语的 EUC-KR 以及俄语的 KOI8-R。

然而，由于世界上存在许多语言体系，需要一种能够统一所有语言的编码格式。Unicode 应运而生，满足了这一需求。

Unicode 字符集

1991 年，Unicode 联盟发布了 Unicode 字符集的第一个版本。其目标是将所有语言统一为一种编码格式，使全球的计算机能够更轻松地显示和处理文本，并避免在多语言环境中的兼容性问题。

然而，Unicode 只是一个字符集；它定义了字符的编码，但并未规定这些编码的存储方式。这导致 Unicode 在很长一段时间内难以广泛采用，直到互联网的兴起。

UTF-8 编码

随着互联网的不断发展，UTF-8 作为一种 Unicode 实现编码逐渐流行起来。它是一种可变长度编码，这意味着不同的符号在 UTF-8 中可以有不同的字节长度。

例如，对于英文字母（属于 ASCII 范围），它们用 1 个字节表示。字符 'y'（Unicode 值为 121）占用 1 个字节。

在日常使用中，大多数中文字符占用 3 个字节。例如，字符 '实'（Unicode 值为 23454）占用 3 个字节。

然而，也有一些中文字符占用 4 个字节。这是因为中文字符数量超过 10 万个，而根据下图所示，3 个字节只能表示略多于 6 万个字符，因此少数中文字符需要 4 个字节来表示。

UTF-8 编码的另一个优势是它向后兼容 ASCII 编码。实际上，ASCII 是 UTF-8 的子集。UTF-8 中的前 128 个字符与 ASCII 字符一一对应。这意味着原本使用 ASCII 的软件可以继续使用，几乎不需要修改。由于这些优势，UTF-8 逐渐成为首选的编码格式。

Go 编程语言的创造者 Rob Pike 和 Ken Thompson 也是 UTF-8 的发明者，因此 Go 对 UTF-8 有着特殊的亲和力。Go 要求源代码文件以 UTF-8 编码保存。在操作文本字符时，UTF-8 编码是首选。此外，标准库还提供了许多与 UTF-8 编码和解码相关的函数。

byte 和 rune

byte 是 uint8 的别名，占用一个字节（8 位）。它可以用来表示 ASCII 表中的所有字符。然而，由于 byte 能表示的值范围有限（256 或 2^8），在处理复合字符（如中文字符）时，我们需要使用 rune 类型。

创建一个名为 byte.go 的新文件，并输入以下代码：

cd ~/project
touch byte.go

package main

import "fmt"

func main() {
    var a byte = 76
    fmt.Printf("Value of a: %c\n", a)

    var b uint8 = 76
    fmt.Printf("Value of b: %c\n", b)

    var c byte = 'L'
    fmt.Printf("Value of c: %c\n", c)
}

运行程序后，将输出以下结果：

go run byte.go

Value of a: L
Value of b: L
Value of c: L

%c 占位符用于输出字符。可以看出，当值相同时，byte 类型和 uint8 类型会产生相同的输出。通过参考 ASCII 表，可以看到字母 'A' 的 ASCII 值为 65。当我们使用整数占位符 %d 输出该值时，结果也是 65。

因此，显而易见，Go 中的 byte 等同于整数类型中的 uint8。rune 也是如此，但它表示不同的整数值范围。

rune 是 int32 的别名，占用四个字节（32 位）。它用于表示复合字符，例如表情符号。

更新 byte.go 文件，添加以下代码：

package main

import "fmt"

func main() {
    var a rune = '😊' // 微笑表情
    fmt.Printf("Value of a: %c\n", a)

    var b int32 = 9829 // Unicode 字符的十进制表示（心形符号）
    fmt.Printf("Value of b: %c\n", b)
    var c rune = 0x1F496 // Unicode 字符的十六进制表示（闪烁的心形表情）
    fmt.Printf("Value of c: %c\n", c)

    var d rune = '\u0041' // 使用码点表示的 Unicode 字符（大写字母 'A'）
    fmt.Printf("Value of d: %c\n", d)
    var e rune = '\U0001F609' // 使用码点表示的 Unicode 字符（眨眼表情）
    fmt.Printf("Value of e: %c\n", e)
}

运行程序后，将显示以下输出：

go run byte.go

注意： 请在 Desktop 或 WebIDE 终端中运行程序，但避免在 LabEx VM 顶部的 Terminal Tab 中运行。

Value of a: 😊
Value of b: ♥
Value of c: 💖
Value of d: A
Value of e: 😉

• 变量 a 表示微笑表情 '😊'。
• 变量 b 使用 Unicode 字符的十进制表示（9829）初始化，对应心形符号 '♥'。
• 变量 c 使用 Unicode 字符的十六进制表示（0x1F496）初始化，对应闪烁的心形表情 '💖'。
• 变量 d 使用 Unicode 格式 \u0041 表示大写字母 'A'。
• 变量 e 使用 \U 格式和码点 0001F609 表示眨眼表情 '😉'。

注意： 在 Go 中，单引号和双引号是不同的。单引号用于表示字符，而双引号用于声明字符串。因此，在声明 byte 和 rune 类型时，应使用单引号，否则会报错。

测验

现在，让我们巩固一下所学内容。创建一个名为 rune.go 的新文件，并输入以下代码。完成代码，使得十六进制数 0x1F648 被赋值给变量 a，并且程序能够正确输出其值。

• 要求： 文件 rune.go 应放置在 ~/project 目录中。
• 提示： 对于较长的十六进制数，必须使用指定的格式。

package main

import "fmt"

func main() {
    var a rune = 0x1F648
    fmt.Printf("The value of a is: %c\n", a)
}

总结

让我们回顾一下本节所学内容：

• ASCII 字符占用一个字节，可以表示 128 个字符。
• UTF-8 编码是 Unicode 字符集的一种形式。它是一种可变长度编码，其字节长度取决于所表示的字符。
• byte 数据类型可用于表示 ASCII 字符，而 rune 数据类型可用于表示 Unicode 字符。
• byte 数据类型可以表示 ASCII 字符，rune 数据类型可以表示 Unicode 字符。

在本节中，我们首先解释了 ASCII、UTF-8 和 Unicode。然后，我们解释了字符数据类型 byte 和 rune 与整数数据类型之间的关系。