在 Go 中，字符串（string）是一种不可变的数据类型，用于表示文本数据。以下是关于 Go 中字符串的一些重要特性和底层实现：

1. 不可变性：

Go 中的字符串是不可变的，这意味着一旦创建，字符串的内容不能被修改。对字符串的操作通常会返回一个新的字符串，而不是修改原始字符串的值。

2. UTF-8 编码：

字符串在 Go 中是按照 UTF-8 编码的。UTF-8 是一种变长字符编码，可以表示 Unicode 字符集中的所有字符。字符串的底层字节数组存储的是 UTF-8 编码的字节序列。

3. 字符串的表示方式：

Go 中的字符串可以用双引号或反引号表示。使用双引号表示的字符串可以包含转义字符，而使用反引号表示的字符串是原始字符串，不会进行转义。

str1 := "Hello, Go!"       // 使用双引号表示的字符串
str2 := `This is a raw string
with multiple lines.`      // 使用反引号表示的原始字符串

4. reflect.StringHeader 结构体：

Go 中的字符串底层实现使用了 reflect.StringHeader 结构体。这个结构体定义如下：

type StringHeader struct {
    Data uintptr
    Len  int
}
  • Data 字段是一个指向底层字节数组的指针（uintptr 类型），这个数组存储了字符串的实际数据。
  • Len 字段表示字符串的长度，即字符的个数。

Go版本为1.21.5，该结构在之后的版本中可能会被删除

5. 字符串的创建和使用：

str := "Hello, Go!"

在上述代码中，字符串 “Hello, Go!” 会被存储在内存中，同时 reflect.StringHeader 结构体的 Data 字段会指向这个字符串的底层字节数组的起始地址。

字符串的切片操作，例如 str[1:5]，会返回一个新的字符串，但底层共享相同的字节数组。这也符合字符串的不可变性特性。

6. 字符串的转换：

Go 中字符串与字节切片之间可以相互转换，但需要注意的是字符串是不可变的，转换时会创建一个新的字符串。

str := "Hello, Go!"
bytes := []byte(str)     // 将字符串转换为字节切片
str2 := string(bytes)    // 将字节切片转换为字符串

7. 扩展：UTF-8 简介

UTF-8（8位元，Universal Character Set/Unicode Transformation Format）是一种针对Unicode的可变长度字符编码。它可以用来表示Unicode标准中的任何字符，而且其编码中的第一个字节仍与ASCII相容，使得原来处理ASCII字符的软件无须或只进行少部分修改后，便可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。

UTF-8编码的规则如下：

  1. ASCII字符：ASCII字符在UTF-8编码中保持不变。即，ASCII字符的UTF-8编码与其ASCII码值相同。
  2. 非ASCII字符：非ASCII字符在UTF-8编码中由多个字节表示。其中，第一个字节的最高位为1，其他字节的最高位为10或11。具体来说，一个字符的UTF-8编码由以下几部分组成：
    • 字节序标记（Byte Order Mark，BOM）：BOM是一个特殊的字符，用于标识文本流的字节顺序。在UTF-8编码中，BOM由三个连续的字节组成：EF BB BF。
    • 字符编码：每个字符的UTF-8编码由一个或多个字节组成。对于非ASCII字符，第一个字节的最高位为1，而其他字节的最高位为10或11。根据字符的Unicode码点（code point），第一个字节的次高位可以是0到2。其他字节的次高位可以是0到6。
    • 长度指示：对于多字节字符，UTF-8编码中的前缀部分包含一个字节，用于指示后续字节的数量。长度指示由特定的二进制模式表示。
    • 具体字符的编码：根据Unicode码点，每个字符的UTF-8编码由特定的字节序列表示。

UTF-8编码具有以下优点：

  1. 与ASCII兼容：UTF-8编码使得ASCII字符保持不变，因此与ASCII编码兼容。这使得原来处理ASCII字符的软件可以无须修改或只需进行少部分修改后，便可处理UTF-8编码的文本。
  2. 可变长度：UTF-8编码是可变长度的，这意味着每个字符的编码长度可以是1到4个字节。这使得UTF-8编码具有较高的灵活性，可以表示各种语言和符号。
  3. 广泛支持：UTF-8编码已成为互联网上的标准编码之一。许多软件、操作系统和应用程序都支持UTF-8编码，使其成为跨平台和国际化的理想选择。
  4. 广泛应用：由于UTF-8编码的广泛支持和使用，它在电子邮件、网页、社交媒体、电子商务网站等各个领域得到广泛应用。

汉字在UTF-8编码中占3个字节，也就是24位。

孟斯特

声明：本作品采用署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)进行许可，使用时请注明出处。
Author: mengbin
blog: mengbin
Github: mengbin92
cnblogs: 恋水无意
腾讯云开发者社区：孟斯特