Go语言中文网 2022-03-15 08:52
刚接触 Go 语言时，就听说有一个叫 rune 的数据类型，即使查阅过一些资料，对它的理解依旧比较模糊，加之对陌生事物的天然排斥，在之后很长一段时间的编程工作中，我都没有让它出现在我的代码里。
逃避虽然有用，但是似乎有些可耻，想要成为一名成熟、优秀的 Go 语言开发工程师，必须要有直面陌生事物并且成功运用的勇气和能力，带着这样的觉悟，让我们一起走近 rune，直视它！
了解一下，rune类型究竟是什么？
rune 类型是 Go 语言的一种特殊数字类型。在 builtin/builtin.go 文件中，它的定义：type rune = int32；官方对它的解释是：rune 是类型 int32 的别名，在所有方面都等价于它，用来区分字符值跟整数值。使用单引号定义 ，返回采用 UTF-8 编码的 Unicode 码点。Go 语言通过 rune 处理中文，支持国际化多语言。
众所周知，Go 语言有两种类型声明方式：一种叫类型定义声明，另一种叫类型别名声明。其中，别名的使用在大型项目重构中作用最为明显，它能解决代码升级或迁移过程中可能存在的类型兼容性问题。而rune 跟 byte 是 Go 语言中仅有的两个类型别名，专门用来处理字符。当然，我们也可以通过 type 关键字加等号的方式声明更多的类型别名。
学习一下，rune类型怎么用？
我们知道，字符串由字符组成，字符的底层由字节组成，而一个字符串在底层的表示是一个字节序列。在 Go 语言中，字符可以被分成两种类型处理：对占 1 个字节的英文类字符，可以使用 byte（或者 unit8 ）；对占 1 ~ 4 个字节的其他字符，可以使用 rune（或者 int32 ），如中文、特殊符号等。
下面，我们通过示例应用来具体感受一下。
统计带中文字符串长度
// 使用内置函数 len() 统计字符串长度
fmt.Println(len("Go语言编程")) // 输出：14
前面说到，字符串在底层的表示是一个字节序列。其中，英文字符占用 1 字节，中文字符占用 3 字节，所以得到的长度 14 显然是底层占用字节长度，而不是字符串长度，这时，便需要用到 rune 类型。
// 转换成 rune 数组后统计字符串长度
fmt.Println(len(【】rune("Go语言编程"))) // 输出：6
这回对了。很容易，我们解锁了 rune 类型的第一个功能，即统计字符串长度。
截取带中文字符串
如果想要截取字符串中 ”Go语言“ 这一段，考虑到底层是一个字节序列，或者说是一个数组，通常情况下，我们会这样：
s := "Go语言编程"
// 8=21+23
fmt.Println(s【0:8】) // 输出：Go语言
结果符合预期。但是，按照字节的方式进行截取，必须预先计算出需要截取字符串的字节数，如果字节数计算错误，就会显示乱码，比如这样：
s := "Go语言编程"
fmt.Println(s【0:7】) // 输出：Go语?
此外，如果截取的字符串较长，那通过字节的方式进行截取显然不是一个高效准确的办法。那有没有不用计算字节数，简单又不会出现乱码的方法呢？不妨试试这样：
s := "Go语言编程"
// 转成 rune 数组，需要几个字符，取几个字符
fmt.Println(string(【】rune(s)【:4】)) // 输出：Go语言
到这里，我们解锁了 rune 类型的第二个功能，即截取字符串。
思考一下，为什么 rune 类型可以做到？
通过上面的示例，我们发现似乎在处理带中文的字符串时，都需要用到 rune 类型，这究竟是为什么呢？除了使用 rune 类型，还有其他方法吗？
在深入思考之前，我们需要首先弄清楚 string 、byte、rune 三者间的关系。
字符串在底层的表示是由单个字节组成的一个不可修改的字节序列，字节使用 UTF-8【1】 编码标识 Unicode【2】 文本。Unicode 文本意味着 .go 文件内可以包含世界上的任意语言或字符，该文件在任意系统上打开都不会乱码。UTF-8 是 Unicode 的一种实现方式，是一种针对 Unicode 可变长度的字符编码，它定义了字符串具体以何种方式存储在内存中。UFT-8 使用 1 ~ 4 为每个字符编码。
Go 语言把字符分 byte 和 rune 两种类型处理。byte 是类型 unit8 的别名，用于存放占 1 字节的 ASCII 字符，如英文字符，返回的是字符原始字节。rune 是类型 int32 的别名，用于存放多字节字符，如占 3 字节的中文字符，返回的是字符 Unicode 码点值。如下图所示：
s := "Go语言编程"
// byte
fmt.Println(【】byte(s)) // 输出：【71 111 232 175 173 232 168 128 231 188 150 231 168 139】
// rune
fmt.Println(【】rune(s)) // 输出：【71 111 35821 35328 32534 31243】
它们的对应关系如下图：了解了这些，我们再回过来看看，刚才的问题是不是清楚明白很多？接下来，让我们再来看看源码中是如何处理的，以 utf8.RuneCountInString()【3】 函数为例。
示例：
// 统计字符串长度
fmt.Println(utf8.RuneCountInString("Go语言编程")) // 输出：6
源码：
// RuneCountInString is like RuneCount but its input is a string.
func RuneCountInString(s string) (n int) {
// 调用 len() 函数得到字节数
ns := len(s)
for i := 0; i < ns; n++ {
c := s【i】
// 如码点值小于 128，则为占 1 字节的 ASCII 字符（或者说英文字符），长度 + 1
if c < RuneSelf { // RuneSelf = 128
// ASCII fast path
i++
continue
}
// 查询首字节信息表，得到中文占 3 字节，所以这里的 x = 3
x := first【c】
// 判断 x = 3,xx = 241（0xF1）
if x == xx {
i++ // invalid.
continue
}
// 提取有效的 UTF-8 字节长度编码信息，size = 3
size := int(x 7)
if i+size > ns {
i++ // Short or invalid.
continue
}
// 提取有效字节范围
accept := acceptRanges【x]4】
// accept.lo，accept.hi，表示 UTF-8 中第二字节的有效范围
// locb = 0b10000000，表示 UTF-8 编码非首字节的数值下限
// hicb = 0b10111111，表示 UTF-8 编码非首字节的数值上限
if c := s【i+1】; c < accept.lo || accept.hi < c {
size = 1
} else if size == 2 {
} else if c := s【i+2】; c < locb || hicb < c {
size = 1
}//代码效果参考：http://www.ezhiqi.com/zx/art_7132.html else if size == 3 {
} else if c := s【i+3】; c < locb || hicb < c {
size = 1
}//代码效果参考：http://www.ezhiqi.com/zx/art_7210.html
i += size
}
return n
}
调用该函数时，传入一个原始的字符串，代码会根据每个字符的码点大小判断是否为 ASCII 字符，如果是，则算做 1 位；如果不是，则查询首字节表，明确字符占用的字节数，验证有效性后再进行计数。
小小总结
在我看来，rune 类型只是一种名称叫法，表示用来处理长度大于 1 字节（ 8 位）、不超过 4 字节（ 32 位）的字符类型。但万变不离其宗，我们使用函数时，无论传入参数的是原始字符串还是 rune，最终都是对字节进行处理。看似陌生的事物，沉下心了解到其本质以后，才发现原来并不陌生，缺少的只是正视它的勇气！
【1】
UTF-8:
【2】
Unicode:
【3】
utf8.RuneCountInString():
推荐阅读
Rob Pike 带你重新认识字符串、字节、rune和字符
福利
我为大家整理了一份从入门到进阶的Go学习资料礼包，包含学习建议：入门看什么，进阶看什么。关注公众号 「polarisxu」，回复 ebook 获取；还可以回复「进群」，和数万 Gopher 交流学习
