【Go笔记】字符串

字符串的本质

• 一般的字符串分为编译时指定长度和动态长度两种，Go使用的是前者
• 字符串的终止有两种方式，一种是C中的隐式申明，以\0结尾；一种是Go中的显示声明
• Go中的字符串本质上是字符数组，可以用下标访问，但是不能被修改
• 空间方面，一般字符占1字节，特殊字符如中文，日文等占3个字符

符文类型 (rune)

• 设计者认为，因为有些字符非常相似，用于表示字符串可能会有歧义，而其不同的本质是编码之后的整数，因此使用符文 (rune) 类型来区分字符串中的字符
• rune其实是int32的别称，代表字符编码之后的整数
• 用range轮询字符串的时候，轮询的不是单字节，而是具体的rune，因此index不会是一个一个一个一个一个一个一个一个
• printf中%#U可以打印符文数十六进制的Unicode编码方式和字符形状

字符串底层原理

• 语法解析阶段，字符串被标记成StringLit的Token被传到下一个阶段
• 语法分析阶段，采取递归下降的方式读取UTF-8字符，单撇号或双引号是字符串的标识
• 抽象语法树阶段，如果是两个字符串相加的话，中间的加号Op会被解析为OADDSTR
• 两个字符串常量相加会发生在语法分析阶段，调用noder.sum函数，将各字符串常量放在字符串数组中，然后使用strings.Join完成拼接
• 字符串变量的拼接实在运行时完成，在语法分析阶段会做一些检查之类的工作
• 运行时字符串拼接是找到一个大空间，通过内存复制的方式将两个字符串复制到里面
• 通过使用concatstring{2, 3, 4, 5}来指定性优化2,3,4,5个字符串的拼接
• 拼接过程中只分配一块内存，缓冲区够用（拼接后字符串小于32字节）的就从缓冲区上切一块下来
• 通过unsafe手段，可以在运行时层面让string和[]byte指向同一块内存
• 字符串和字符数组之间可以相互转换，并不是简单地指针引用，而是涉及到了复制。当内存大于32字节的时候，还需要申请堆内存，在密集转换的时候，需要评估性能损耗

总结

• 字符串存储于静态存储区，只能被访问而不能被修改和国运
• 存储使用UTF-8，与Go文件的编码方式相同
• 引入rune类型来消除字符歧义，是4字节的int32整数
• 字符串常量拼接发生在编译时，变量拼接发生在运行时
• 拼接后的字符串小于32时直接调用临时缓存使用，大于32字节时需要在堆区分配内存，有性能损耗
• 字符串和字符数组之间的相互转换涉及到复制，在频繁转换的时候需要考虑到性能损耗
• src/runtime/string.go, syntax/scanner.go