Go語言的字符類型(byte/uint8)和 Unicode注意事項

字符類型

嚴格來說,這並不是 Go 語言的一個類型,字符只是整數的特殊用例。byte 類型是 uint8 的別名,對於只佔用 1 個字節的傳統 ASCII 編碼的字符來說,完全沒有問題。例如:var ch byte = 'A';字符使用單引號括起來。

在 ASCII 碼錶中,A 的值是 65,而使用 16 進製表示則爲 41,所以下面的寫法是等效的:

var ch byte = 65 或 var ch byte = '\x41'

\x 總是緊跟着長度爲 2 的 16 進制數)

另外一種可能的寫法是 \ 後面緊跟着長度爲 3 的八進制數,例如:\377

不過 Go 同樣支持 Unicode(UTF-8),因此字符同樣稱爲 Unicode 代碼點或者 runes,並在內存中使用 int 來表示。在文檔中,一般使用格式 U+hhhh 來表示,其中 h 表示一個 16 進制數。其實 rune 也是 Go 當中的一個類型,並且是 int32 的別名。

在書寫 Unicode 字符時,需要在 16 進制數之前加上前綴 \u 或者 \U

因爲 Unicode 至少佔用 2 個字節,所以我們使用 int16 或者 int 類型來表示。如果需要使用到 4 字節,則會加上 \U 前綴;前綴 \u 則總是緊跟着長度爲 4 的 16 進制數,前綴 \U 緊跟着長度爲 8 的 16 進制數。

示例 4.12 char.go

var ch int = '\u0041'
var ch2 int = '\u03B2'
var ch3 int = '\U00101234'
fmt.Printf("%d - %d - %d\n", ch, ch2, ch3) // integer
fmt.Printf("%c - %c - %c\n", ch, ch2, ch3) // character
fmt.Printf("%X - %X - %X\n", ch, ch2, ch3) // UTF-8 bytes
fmt.Printf("%U - %U - %U", ch, ch2, ch3) // UTF-8 code point

輸出:

65 - 946 - 1053236
A - β - r
41 - 3B2 - 101234
U+0041 - U+03B2 - U+101234

格式化說明符 %c 用於表示字符;當和字符配合使用時,%v%d 會輸出用於表示該字符的整數;%U 輸出格式爲 U+hhhh 的字符串(另一個示例見第 5.4.4 節)。

unicode 包含了一些針對測試字符的非常有用的函數(其中 ch 代表字符):

  • 判斷是否爲字母:unicode.IsLetter(ch)
  • 判斷是否爲數字:unicode.IsDigit(ch)
  • 判斷是否爲空白符號:unicode.IsSpace(ch)

這些函數返回一個布爾值。包 utf8 擁有更多與 rune 相關的函數。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章