符文与字符串范围内的字节

Question

看起来当我们是range一个字符串时，我们得到的字符是rune类型，但是如果我们通过 获取它str[index]，它们将是byte类型，为什么呢？

Answer 1

对于第一级，原因是因为这就是语言的定义方式。String类型告诉我们：

字符串值是一个（可能为空）字节序列。字节数称为字符串的长度，并且永远不会是负数。字符串是不可变的：一旦创建，就不可能更改字符串的内容。

和：

字符串的字节可以通过整数索引 0 到 len(s)-1 来访问。

同时，range是一个可以插入到for语句中的子句，并且规范说：

“range”子句右边的表达式称为范围表达式，它可以是... [a] string ...

和：

1. 对于字符串值，“range”子句从字节索引 0 开始迭代字符串中的 Unicode 代码点。在连续迭代中，索引值将是连续 UTF-8 编码代码点的第一个字节的索引字符串和类型为 的第二个值rune将是相应代码点的值。如果迭代遇到无效的 UTF-8 序列，则第二个值将为0xFFFDUnicode 替换字符，并且下一次迭代将在字符串中前进一个字节。

如果你想知道为什么语言是这样定义的，你真的必须问定义者本身。但是，请注意，如果for仅在字节范围内进行调整，则您需要构建自己的更高级的循环来在符文范围内进行调整。鉴于这for ... range 确实可以通过符文进行操作，如果您想通过字符串中的字节进行操作s，您可以编写：

for i := 0; i < len(s); i++ {
    ...
}

并轻松访问s[i]循环内部。你也可以写：

for i, b := range []byte(s) {
}

并在循环内访问索引i和字节。b（从 string 到 的转换[]byte，反之亦然，可能需要一个副本，因为[]byte可以修改。但在这种情况下，range不会修改它，编译器可以优化掉副本。

Answer 2

只是一个快速而简单的答案，说明为什么以这种方式定义语言。

想想符文是什么。Arune代表一个Unicode码点，可以由多个字节组成，根据编码的不同也有不同的表示形式。

现在想想mystring[i]如果返回 arune而不是 a ，那么这样做意味着什么byte。由于如果不扫描字符串就无法知道每个符文的长度，因此该操作需要每次扫描整个字符串，从而使类似数组的访问需要 O(n) 而不是 O(1)。

mystring[i]如果每次都扫描整个字符串，对于该语言的用户来说是非常违反直觉的，对于语言开发人员来说也更加复杂。这就是为什么大多数编程语言（如 Go、Rust、Python）区分 Unicode 字符和字节，有时仅支持字节索引。

当从字符串的开头迭代时，一次访问一个字符串rune要简单得多，例如使用range. 可以扫描连续的字节并将其分组在一起，直到它们形成可以作为 返回的有效 Unicode 字符rune，然后继续处理下一个字节。

Answer 3

只是让你知道。如果您想使用经典的 for循环迭代string并使用运算符[]来获取rune，您可以执行以下操作：

{

  rstr := []rune(MyString)

  for idx := 0; idx < len(rstr); idx++ {

    // code before...

    currentRune := rstr[idx]

    _ = currentRune // to avoid unused error

    // code after...

  }

}