[!info] 关联笔记

• 所属 MOC：语言基础 · 学习路线
• 前置概念：基本类型、数组、切片
• 后续概念：range 语义、JSON、Reader/Writer
• 容易混淆：字符数=字节数、rune=用户看到的字、string 可原地改

Go 字符串

这个概念为什么会出现

文本处理几乎无处不在：日志、路径、协议、UI 文案、配置键。若语言把“字符”定义含糊，国际化与切片会一起爆炸。

Go 的选择非常明确：

• string = 不可变的字节序列
• 源码与惯例编码 = UTF-8
• byte = uint8
• rune = int32，表示 Unicode 码点

它不把 string 伪装成“可索引的字符数组对象”，而是逼你分清：字节、码点、字素簇三层。

[!abstract] 一句话理解 string 不可变，len(s) 是字节数；用下标得到 byte，用 range 得到 rune（码点）与其起始字节下标；string↔[]byte 转换在语义上是复制，构建大量文本优先 strings.Builder。

最小可运行示例

先把示例放进业务场景，再看代码：

场景：用户昵称校验与展示截断

注册接口收到昵称 "Hello, 世界"。产品规则：

1. 统计“字符数”做长度限制（不能只看 len 字节）
2. 审计日志要按字符遍历
3. 错误地按字节截断预览会切坏汉字
4. 脱敏时改的是拷贝，不能动到原字符串
5. 拼欢迎语时用 Builder，避免循环 + 分配

package main

import (
	"fmt"
	"strings"
	"unicode/utf8"
)

func main() {
	// 用户提交的昵称：ASCII + 中文混排
	nickname := "Hello, 世界"

	// 1) 长度限制：产品说“最多 20 个字”，必须数 rune，不是字节
	fmt.Println("bytes:", len(nickname))                    // 13
	fmt.Println("runes:", utf8.RuneCountInString(nickname)) // 9

	// 2) 按字节切片：下标是字节偏移；“世”占 3 字节，从 7 起
	fmt.Printf("hanzi bytes: %x\n", nickname[7:10]) // e4b896

	// 3) range 字符串：i 是字节下标，r 是解码后的 rune
	// 业务：审计每个字符；注意 i 不是 0,1,2… 连续 +1
	for i, r := range nickname {
		fmt.Printf("at byte %d: %c %U\n", i, r, r)
	}

	// 4) 错误截断：按字节切到 8，可能切断多字节字符 → 非法 UTF-8
	brokenPreview := nickname[:8]
	fmt.Printf("broken=%q valid=%v\n", brokenPreview, utf8.ValidString(brokenPreview))

	// 5) 字符串不可变：转 []byte 得到可改副本；改副本不影响原昵称
	buf := []byte(nickname)
	buf[0] = 'h'
	fmt.Println("original:", nickname, "copy:", string(buf))

	// 6) 拼装欢迎语：多次追加用 Builder
	var b strings.Builder
	b.WriteString("welcome, ")
	b.WriteString(nickname)
	fmt.Println(b.String())
}

建议运行：

go run .

期望输出要点：bytes: 13、runes: 9、broken 非法、original 仍以 H 开头、欢迎语完整。

结合场景再看四个关注点

1. len 是字节数，不是“字数”
   中文昵称长度校验必须用 utf8.RuneCountInString 或按 rune 遍历。

2. range 产 rune，索引是字节偏移
   不要假设下标每次 +1。

3. 按字节乱切会破坏 UTF-8
   预览截断应先转 []rune 或用安全截断库。

4. string 不可变；拼接用 Builder
   []byte(s) 是拷贝；热路径少写 s = s + x。

核心概念与准确模型

语言中的 string

规范：String types

• 值是 8 位字节的不可变序列
• 可包含 任意 字节，不保证一定是合法 UTF-8
• len(s) → 字节数
• s[i] → 第 i 个字节（byte），i 越界 panic
• 字符串常量/比较/切片 s[low:high] 按字节下标

运行时内部常用类似 (ptr, len) 的表示，但是否共享、是否只读映射属于实现；可移植代码依赖语义而非 header 布局。

不可变

// s[0] = 'x'  // 编译错误
s = s + "!"    // 得到新字符串值

不可变带来：

• 并发只读共享安全（在无 data race 写入底层的前提下）
• “修改”必有新值或转到 []byte

byte 与 rune

类型	含义	典型用途
byte (uint8)	一个字节	协议、二进制、UTF-8 单元
rune (int32)	Unicode 码点	文本解码后的字符处理

字符字面量：

var r rune = '世'
var b byte = 'A'

字面量三态：引号怎么选

源码里 ''、""、` 是三种不同类型的字面量，Go 靠引号字符本身区分类型，而不是「只是风格不同」：

写法	类型	含义	适合
'a'	rune (int32)	单个 Unicode 码点	单字符、'\n'、'\xFF'
"hello\n"	string	普通字符串，支持转义	绝大多数字符串
`raw`	string	原始字符串，不转义、可换行	正则、SQL、多行文本、含大量反斜杠或引号

要点：

• 'x' 只能包一个码点；'ab' 编译报 illegal rune literal（从 JS/Python 带来单引号字符串习惯的新手最常见报错）。
• `C:\Users\baker` 里反斜杠不转义，写 Windows 路径、正则、JSON 串不必层层转义。
• 反引号字符串原样保留换行与引号，适合多行模板。

'a'                 // rune, 值 97
'中'                // rune, 一个汉字也是单个码点
'\n'               // rune, 换行
'ab'               // 编译错误：illegal rune literal
"ab"               // string, OK
`C:\Users\baker`   // string, 反斜杠未转义

[!warning] 常见误区：从 JS/Python 带来单引号字符串 错误：fmt.Println('line count', n)。
正确：fmt.Println("line count", n)（或反引号原始串）。

range 与 for 字节循环

for i, r := range s { /* r 是 rune，i 是该码点起始字节索引 */ }
for i := 0; i < len(s); i++ { /* s[i] 是 byte */ }

非法 UTF-8 序列在 range 时会变成 0xFFFD（替换字符）并前进一字节——解码规则见规范与 unicode/utf8。

码点 ≠ 用户感知字符

• 一个用户看到的字可能由多个码点组成（组合音标、emoji ZWJ 序列等）
• utf8.RuneCountInString 数码点，不是字素簇
• 需要字素簇时用 golang.org/x/text/unicode/norm 等扩展库思路，不在本篇展开

string 与 []byte / []rune

b := []byte(s)   // 语义：复制字节
s2 := string(b)  // 语义：复制为不可变字符串
r := []rune(s)   // 解码为码点切片（成本更高）
s3 := string(r)  // 重新编码为 UTF-8

注意：

1. 编译器可能在证明安全时优化掉拷贝，但这是优化不是许可证：不要用 unsafe 改 string 底层。
2. 热路径上反复 string([]byte) 会显眼分配；能传 []byte 就保持 []byte。
3. []rune 往返适合“按码点编辑”，不适合当默认存储。

拼接与 Builder

// 少量：+
// 循环大量：
var b strings.Builder
b.Grow(n) // 可选预分配
b.WriteString(s)
_ = b.String()

bytes.Buffer 更偏二进制缓冲；纯字符串累积优先 strings.Builder。

strings 与 unicode/utf8 包

• strings：Contains Split Join Trim Replace Map…
• unicode/utf8：Valid DecodeRuneInString RuneCountInString
• strconv：数字与字符串转换

Split 等仍是字节/分隔符语义；按 rune 边界处理要用 utf8 或专门逻辑。

比较与有序

字符串可比较，按字节字典序（不是语言 locale 排序）。作 map key 很常见。

设计动机

1. 数据就是字节
   网络与文件本就是字节；string 不撒谎。
2. UTF-8 默认
   与互联网主编码一致，ASCII 兼容。
3. 不可变简化共享
   只读传递代价低、心智简单。

边界情况与反直觉行为

1. len("世") == 3
2. s[0] 对中文首字节不是完整字
3. 字节切片切断 UTF-8 中间 → 非法字符串
4. range 的 index 有空洞（多字节）
5. 空字符串与 nil []byte
string(nil []byte) → ""；[]byte(nil string) 相关转换注意 nil/empty 差异
6. 映射文件/超大字符串
   仍受不可变与转换成本约束

常见误区

[!warning] 常见误区：用 len 当“字符数” 错误：校验用户名长度直接 len(s) <= 10 当“10 个字”。
正确：先定义要限制的是字节、码点还是字素；再用对应 API。

[!warning] 常见误区：for i := range 当 rune 循环却用 s[i:] 乱切 错误：假设每个 i 都是等宽字符边界。
正确：使用 range 的 rune，或 utf8.DecodeRuneInString。

[!warning] 常见误区：热循环 string + string 错误：每次分配新字符串导致平方级拷贝。
正确：strings.Builder 或 []byte 累积。

[!warning] 常见误区：用 unsafe 改 string 底层 错误：为了零拷贝直接写 string header 指向的内存。
正确：保持不可变契约；需要改就用 []byte。

工程实践

1. API 边界：文本用 string，二进制用 []byte，别混。
2. 校验 UTF-8：读入外部数据时 utf8.ValidString。
3. 日志与截断：按字节截断可能切断中文；展示层要按 rune/字素策略。
4. 比较：鉴权 token 等敏感比较考虑恒定时间（subtle.ConstantTimeCompare），普通业务用 ==。
5. 国际化：不要假设 1 rune = 1 显示宽度。
6. 性能：减少热路径类型来回转；能借用 []byte 的库函数优先。

可验证实验

1. 打印 "Go语言" 的 len 与 RuneCountInString。
2. 对比 for i := range s 与 for i, r := range s。
3. s[:n] 切在多字节中间，ValidString 为 false。
4. 循环 + 与 Builder 的 benchmark（见 go-benchmarking）。
5. 修改 []byte(s) 后原 s 是否变化。

本节总结

• 本质：不可变字节序列；UTF-8 是惯例与源码编码。
• 三层：byte / rune(码点) / 字素簇。
• 关键操作：len、下标、range、转换、Builder。
• 最易错：字符计数、乱切片、拼接分配、破坏不可变。
• 下一步：slice 字节缓冲与 io 文本处理。

自测题

概念题

1. len(s) 数的是什么？
2. range s 中的 r 是什么？索引 i 的含义？
3. 为什么 string 与 []byte 转换可能贵？

代码推理题

s := "a中"
fmt.Println(len(s))
for i, r := range s {
    fmt.Println(i, string(r), r)
}

大致输出结构是什么？

工程思考题

HTTP 头、文件路径、用户评论三种字符串，校验“长度”时分别更可能用字节限制还是码点限制？为什么？

参考答案

展开

1. 字节数。
2. r 是码点（rune）；i 是该码点第一个字节的下标。
3. 语义上需要得到独立可变/不可变底层，通常伴随复制与分配（实现优化除外）。
   代码：len 为 1+3=4；先打印 0 a，再打印 1 中（索引跳到 1 而非 2）。
   工程：协议/头/路径常有字节上限（线宽、系统 API）；用户可见文案更常谈码点/字素；需按威胁模型与平台约束选择并写清文档。

延伸阅读与资料来源

资料	类型	支撑
Spec — String types	规范	不可变字节序列
Spec — For statements / range	规范	字符串 range
Strings, bytes, runes and characters in Go	博客	权威概念文
Package strings	标准库	文本工具
Package unicode/utf8	标准库	UTF-8 编解码

---

笔记元信息

• 建议文件名：go-strings.md
• 所属阶段：阶段一
• 本篇状态：已深化
• 建议下一篇：Go Slice / range 语义