Skip to content

Latest commit

 

History

History
104 lines (76 loc) · 4.65 KB

5-2-Inaccurate-string-iteration.md

File metadata and controls

104 lines (76 loc) · 4.65 KB
Raw

5.2 字符串中有捣乱格式的字符，导致的字符串迭代混乱

对字符串进行迭代是开发人员的常见操作。也许，我们想要检索所有字符或实现自定义函数来搜索特定的子字符串。在这两种情况下，我们都必须迭代字符串的不同编码的字符。然而，很容易对迭代的过程感到困惑。

让我们深入研究一个具体的例子。在这里，我们要打印不同编码的字符及其对应的位置：

s := "hêllo"
for i := range s {
        fmt.Printf("position %d: %c\n", i, s[i])
}
fmt.Printf("len=%d\n", len(s))

我们使用 range 来迭代 s ，然后，我们想使用它在字符串中的索引来打印字符：

position 0: h
position 1: Ã
position 3: l
position 4: l
position 5: o
len=6

这段代码并没有实现我们的原始需求。让我们强调三点：

  • 第二个字符不是 ê 而是 Ã。
  • 我们从位置 1 跳到位置 3，那么位置 2 有什么？
  • len 返回计数为 6， 而 s 仅包含 5 个字符。

注意上面的程序输出。我们已经注意到 len 不是返回字符串中字符的数量，而是返回字节数。正如我们为 s 分配的字符串文字，s 是一个 UTF-8 字符串。同时，特殊字符 ê 不是在单个字节中编码的；它需要两个字节。因此，调用 len(s) 返回 6。

Note 如果我们想获取字符串中字符的数量，而不是字节数？这取决于编码。在上一个例子中，当我们为 s 分配一个字符串文字时，它是一个 UTF-8 字符串。因此，我们可以使用 unicode/utf8 包：

fmt.Println(utf8.RuneCountInString(s)) // 5

我们必须明白，在这个例子中，我们不会遍历每个字符；相反，我们遍历字符的每个起始索引：

打印 s[i] 不会打印第 i 个字符； 它打印索引 i 处字节的 UTF-8 表示。因此，我们打印了 hÃllo 而不是 hêllo。那么如果我们想打印所有不同的字符，我们该如何解决呢？我们必须使用 range 运算符的值元素：

s := "hêllo"
for i, r := range s {
        fmt.Printf("position %d: %c\n", i, r)
}

我们不使用 s[i] 打印字符，而是使用 r 变量。实际上，在字符串上使用 range 循环会返回两个变量：字符的起始索引和字符本身：

position 0: h
position 1: ê
position 3: l
position 4: l
position 5: o

另一种方法是将字符串转换为字符切片并对其进行迭代：

s := "hêllo"
runes := []rune(s)
for i, r := range runes {
    fmt.Printf("position %d: %c\n", i, r)
}			
position 0: h
position 1: ê
position 2: l
position 3: l
position 4: o

在这里，我们使用 []rune(s) 将 s 转换为 rune 切片。然后，我们遍历这个切片并使用 range 运算符的值元素来打印所有字符。唯一的区别在于位置：它不是打印字符字节序列的起始索引，而是直接打印字符的索引。

请注意，与前一个解决方案相比，此解决方案引入了运行时开销。实际上，将字符串转换为 rune 切片需要分配额外的切片并将字节转换为 rune； 因此，时间复杂度为 O(n)，n 为字符串中的字节数。因此，如果我们想遍历所有字符，我们应该使用第一个解决方案。

但是，如果我们想使用第一个选项访问字符串的第 i 个 rune，我们无法访问 rune 索引，而是访问字节序列中 rune 的起始索引。因此，我们应该支持第二个选项在大多数情况下：

s := "hêllo"
r := []rune(s)[4]
fmt.Printf("%c\n", r) // o

此代码通过首先将字符串转换为字符切片来打印第四个字符。

Note 如果字符串由单字节字符组成，例如包含字母 A 到 Z 和 a 到 z ，则进行一种优化。我们可以通过直接使用 s[i] 访问字节来访问第 i 个字符，而无 需将整个字符串转换为字符片段：

s := "hello"
fmt.Printf("%c\n", rune(s[4])) // o

总之，如果我们想遍历一个字符串的字符，我们可以直接在字符串上使用 range 循环。 然而，我们必须记住，该索引不对应于字符索引，而是对应于字符字节序列的起始索引。 由于 rune 可以由多个字节组成，如果我们要访问 rune 本身，我们应该使用 range 的 value 变量，而不是字符串中的索引。同时，如果我们对获取字符串的第 i 个字符感兴趣，在大多数情况下，我们应该将字符串转换为字符切片。

在下一节中，让我们看看在 strings 包中使用 trim 函数时的常见错误。