golang字符串本质与原理详解

对于一个Golang开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《golang字符串本质与原理详解》，主要介绍了字符串、原理、本质，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！

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 
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 
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 
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。
// go/src/runtime/string.go
func stringtoslicebyte(buf *tmpBuf, s string) []byte {
    var b []byte
    if buf != nil && len(s) 
字节切片转换为字符串时，原理同上。因此字符串和切片的转换涉及内存拷贝，在一些密集转换的场景中，需要评估转换带来的性能损耗。
总结

• 字符串常量存储在静态存储区，其内容不可以被改变。
• 字符串的本质是字符数组，底层是字节数组，且与字符串指向同一个内存地址。
• 字符串的长度是字节长度，要获取直观长度，需要先转换为符文数组，或者通过utf8标准库的方法进行处理。
• 字符串通过扫描源代码的双引号和反引号进行解析。
• 字符串常量的拼接发生在编译时，且根据拼接字符串的个数调用了对应的运行时拼接函数。
• 字符串变量的拼接发生在运行时。
• 无论是字符串的拼接还是转换，当字符串长度小于32字节时，可以直接使用栈区32字节的缓存，反之，需要向堆区申请足够的存储空间。
• 字符串与字节数组的相互转换并不是无损的指针引用，涉及到了内存复制。在转换密集的场景需要考虑转换的性能和空间损耗。

到这里，我们也就讲完了《golang字符串本质与原理详解》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于golang的知识点！