您现在的位置是：网站首页> 编程资料编程资料

golang字符串本质与原理详解_Golang_

2023-05-26 389人已围观

简介 golang字符串本质与原理详解_Golang_

一、字符串的本质

1.字符串的定义

golang中的字符(character)串指的是所有8比特位字节字符串的集合，通常(非必须)是UTF-8 编码的文本。字符串可以为空，但不能是nil。字符串在编译时即确定了长度，值是不可变的。

// go/src/builtin/builtin.go // 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

字符串在本质上是一串字符数组，每个字符在存储时都对应了一个或多个整数，整数是多少取决于字符集的编码方式。

s := "golang" for i := 0; i < len(s); i++ { fmt.Printf("s[%v]: %v\n",i, s[i]) } // s[0]: 103 // s[1]: 111 // s[2]: 108 // s[3]: 97 // s[4]: 110 // s[5]: 103

字符串在编译时类型为string,在运行时其类型定义为一个结构体，位于reflect包中:

// go/src/reflect/value.go // StringHeader is the runtime representation of a string. // ... type StringHeader struct { Data uintptr Len int }

根据运行时字符串的定义可知，在程序运行的过程中，字符串存储了长度(Len)及指向实际数据的指针(Data)。

2.字符串的长度

golang中所有文件都采用utf8编码，字符常量也使用utf8编码字符集。1个英文字母占1个字节长度，一个中文占3个字节长度。go中对字符串取长度len(s)指的是字节长度，而不是字符个数，这与动态语言如python中的表现有所差别。如:

print(len("go语言")) # 4

s := "go语言" fmt.Printf("len(s): %v\n", len(s)) // len(s): 8

3.字符与符文

go中存在一个特殊类型——符文类型(rune)，用来表示和区分字符串中的字符。rune的本质是int32。字符串符文的个数往往才比较符合我们直观感受上的字符串长度。要计算字符串符文长度，可以先将字符串转为[]rune类型，或者利用标准库中的utf8.RuneCountInString()函数。

s := "go语言" fmt.Println(len([]rune(s))) // 4 count := utf8.RuneCountInString(s) fmt.Println(count) // 4

当用range遍历字符串时，遍历的就不再是单字节，而是单个符文rune。

s := "go语言" for _, r := range s { fmt.Printf("rune: %v string: %#U\n", r, r) } // rune: 103 unicode: U+0067 'g' // rune: 111 unicode: U+006F 'o' // rune: 35821 unicode: U+8BED '语' // rune: 35328 unicode: U+8A00 '言'

二、字符串的原理

1.字符串的解析

golang在词法解析阶段，通过扫描源代码，将双引号和反引号开头的内容分别识别为标准字符串和原始字符串:

// go/src/cmd/compile/internal/syntax/scanner.go func (s *scanner) next() { ... switch s.ch { ... case '"': s.stdString() case '`': s.rawString() ...

然后，不断的扫描下一个字符，直到遇到另一个双引号和反引号即结束扫描。并通过string(s.segment())将解析到的字节转换为字符串，同时通过setLlit()方法将扫描到的内容类型(kind)标记为StringLit。

func (s *scanner) stdString() { ok := true s.nextch() for { if s.ch == '"' { s.nextch() break } ... s.nextch() } s.setLit(StringLit, ok) } func (s *scanner) rawString() { ok := true s.nextch() for { if s.ch == '`' { s.nextch() break } ... s.nextch() } s.setLit(StringLit, ok) } // setLit sets the scanner state for a recognized _Literal token. func (s *scanner) setLit(kind LitKind, ok bool) { s.nlsemi = true s.tok = _Literal s.lit = string(s.segment()) s.bad = !ok s.kind = kind }

2.字符串的拼接

字符串可以通过+进行拼接:

s := "go" + "lang"

在编译阶段构建抽象语法树时，等号右边的"go"+"lang"会被解析为一个字符串相加的表达式(AddStringExpr)节点，该表达式的操作op为OADDSTR。相加的各部分字符串被解析为节点Node列表，并赋给表达式的List字段：

// go/src/cmd/compile/internal/ir/expr.go // An AddStringExpr is a string concatenation Expr[0] + Exprs[1] + ... + Expr[len(Expr)-1]. type AddStringExpr struct { miniExpr List Nodes Prealloc *Name } func NewAddStringExpr(pos src.XPos, list []Node) *AddStringExpr { n := &AddStringExpr{} n.pos = pos n.op = OADDSTR n.List = list return n }

在构建抽象语法树时，会遍历整个语法树的表达式，在遍历的过程中，识别到操作Op的类型为OADDSTR，则会调用walkAddString对字符串加法表达式进行进一步处理:

// go/src/cmd/compile/internal/walk/expr.go func walkExpr(n ir.Node, init *ir.Nodes) ir.Node { ... n = walkExpr1(n, init) ... return n } func walkExpr1(n ir.Node, init *ir.Nodes) ir.Node { switch n.Op() { ... case ir.OADDSTR: return walkAddString(n.(*ir.AddStringExpr), init) ... } ... }

walkAddString首先计算相加的字符串的个数c,如果相加的字符串个数小于2，则会报错。接下来会对相加的字符串字节长度求和，如果字符串总字节长度小于32，则会通过stackBufAddr()在栈空间开辟一块32字节的缓存空间。否则会在堆区开辟一个足够大的内存空间，用于存储多个字符串。

// go/src/cmd/compile/internal/walk/walk.go const tmpstringbufsize = 32 // go/src/cmd/compile/internal/walk/expr.go func walkAddString(n *ir.AddStringExpr, init *ir.Nodes) ir.Node { c := len(n.List) if c < 2 { base.Fatalf("walkAddString count %d too small", c) } buf := typecheck.NodNil() if n.Esc() == ir.EscNone { sz := int64(0) for _, n1 := range n.List { if n1.Op() == ir.OLITERAL { sz += int64(len(ir.StringVal(n1))) } } // Don't allocate the buffer if the result won't fit. if sz < tmpstringbufsize { // Create temporary buffer for result string on stack. buf = stackBufAddr(tmpstringbufsize, types.Types[types.TUINT8]) } } // build list of string arguments args := []ir.Node{buf} for _, n2 := range n.List { args = append(args, typecheck.Conv(n2, types.Types[types.TSTRING])) } var fn string if c <= 5 { // small numbers of strings use direct runtime helpers. // note: order.expr knows this cutoff too. fn = fmt.Sprintf("concatstring%d", c) } else { // large numbers of strings are passed to the runtime as a slice. fn = "concatstrings" t := types.NewSlice(types.Types[types.TSTRING]) // args[1:] to skip buf arg slice := ir.NewCompLitExpr(base.Pos, ir.OCOMPLIT, t, args[1:]) slice.Prealloc = n.Prealloc args = []ir.Node{buf, slice} slice.SetEsc(ir.EscNone) } cat := typecheck.LookupRuntime(fn) r := ir.NewCallExpr(base.Pos, ir.OCALL, cat, nil) r.Args = args r1 := typecheck.Expr(r) r1 = walkExpr(r1, init) r1.SetType(n.Type()) return r1 }

如果用于相加的字符串个数小于等于5个，则会调用运行时的字符串拼接concatstring1-concatstring5函数。否则调用运行时的concatstrings函数，并将字符串通过切片slice的形式传入。类型检查中的typecheck.LookupRuntime(fn)方法查找到运行时的字符串拼接函数后，将其构建为一个调用表达式，操作Op为OCALL，最后遍历调用表达式完成调用。concatstring1-concatstring5中的每一个调用最终都会调用concatstrings函数。

// go/src/runtime/string.go const tmpStringBufSize = 32 type tmpBuf [tmpStringBufSize]byte func concatstring2(buf *tmpBuf, a0, a1 string) string { return concatstrings(buf, []string{a0, a1}) } func concatstring3(buf *tmpBuf, a0, a1, a2 string) string { return concatstrings(buf, []string{a0, a1, a2}) } func concatstring4(buf *tmpBuf, a0, a1, a2, a3 string) string { return concatstrings(buf, []string{a0, a1, a2, a3}) } func concatstring5(buf *tmpBuf, a0, a1, a2, a3, a4 string) string { return concatstrings(buf, []string{a0, a1, a2, a3, a4}) }

concatstring1-concatstring5已经存在一个32字节的临时缓存空间供其使用, 并通过slicebytetostringtmp函数将该缓存空间的首地址作为字符串的地址，字节长度作为字符串的长度。如果待拼接字符串的长度大于32字节，则会调用rawstring函数，该函数会在堆区为字符串分配存储空间, 并且将该存储空间的地址指向字符串。由此可以看出，字符串的底层是字节切片，且指向同一片内存区域。在分配好存储空间、完成指针指向等工作后，待拼接的字符串切片会被一个一个地通过内存拷贝copy(b,x)到分配好的存储空间b上。

// concatstrings implements a Go string concatenation x+y+z+... func concatstrings(buf *tmpBuf, a []string) string { ... l := 0 for i, x := range a { ... n := len(x) ... l += n ... } s, b := rawstringtmp(buf, l) for _, x := range a { copy(b, x) b = b[len(x):] } return s } func rawstringtmp(buf *tmpBuf, l int) (s string, b []byte) { if buf != nil && l <= len(buf) { b = buf[:l] s = slicebytetostringtmp(&b[0], len(b)) } else { s, b = rawstring(l) } return } func slicebytetostringtmp(ptr *byte, n int) (str string) { ... stringStructOf(&str).str = unsafe.Pointer(ptr) stringStructOf(&str).len = n return } // rawstring allocates storage for a new string. The returned // string and byte slice both refer to the same storage. func rawstring(size int) (s string, b []byte) { p := mallocgc(uintptr(size), nil, false) stringStructOf(&s).str = p stringStructOf(&s).len = size *(*slice)(unsafe.Pointer(&b)) = slice{p, size, size} return } type stringStruct struct { str unsafe.Pointer len int } func stringStructOf(sp *string) *stringStruct { return (*stringStruct)(unsafe.Pointer(sp)) }

3.字符串的转换

尽管字符串的底层是字节数组，但字节数组与字符串的相互转换并不是简单的指针引用，而是涉及了内存复制。当字符串大于32字节时，还需要申请堆内存。

s := "go语言" b := []byte(s) // stringtoslicebyte ss := string(b) // slicebytetostring

当字符串转换为字节切片时，需要调用stringtoslicebyte函数，当字符串小于32字节时，可以直接使用缓存buf，但是当字节长度大于等于32时,rawbyteslice函数需要向堆区申请足够的内存空间，然后通过内存复制将字符串拷贝到目标地址。

提示： 本文由神整理自网络，如有侵权请联系本站删除！
本站声明：
1、本站所有资源均来源于互联网，不保证100%完整、不提供任何技术支持；
2、本站所发布的文章以及附件仅限用于学习和研究目的;不得将用于商业或者非法用途；否则由此产生的法律后果，本站概不负责！

上一篇：golang切片原理详细解析_Golang_

下一篇：golang类型推断与隐式类型转换_Golang_