Go string — bu baytlar to'plami. ASCII matn uchun buni sezmaysiz, lekin ingliz bo'lmagan belgilar va emoji bu farqni ochiqchasiga ko'rsatadi.

Stringlar — baytlar

s := "世界"
fmt.Println(len(s))  // 6, 2 emas

len() baytlarni sanaydi. UTF-8 世 ni 3 bayt, 界 ni 3 bayt sifatida kodlaydi, shuning uchun len("世界") — 6.

Indekslashda ham xuddi shu muammo bor:

s := "世界"
fmt.Println(s[0])  // 228

s[0] bitta byte qaytaradi. "Hello" uchun bu tasodifan belgiga mos keladi. "世界" uchun esa bu ko'p baytli runening ma'nosiz bo'lagidir.

Range runelarni dekodlaydi

String ustidan range har bir iteratsiyada bitta rune beradi, o'sha rune nechta bayt egallashidan qat'i nazar:

for i, ch := range "世界" {
	fmt.Printf("%d: %c\n", i, ch)
}
// 0: 世
// 3: 界

Indeks 0 dan 3 ga sakraydi, chunki range 世 ning qolgan baytlarini o'tkazib yubordi. Siz bayt bo'laklarini emas, belgilarni olasiz.

Runelar — butun sonlar

rune shunchaki int32, shuning uchun runelarni butun son operatorlari bilan solishtirishingiz mumkin:

for _, ch := range s {
	if ch >= 'a' && ch <= 'z' {
		// kichik harf
	}
}

'a' va 'z' kabi belgi literallari butun son konstantalari, shuning uchun solishtirish oddiy sonli diapazon tekshiruvidir. Xuddi shu andaza katta harflar, raqamlar, yoki istalgan uzluksiz kod nuqtalari oralig'i uchun ishlaydi.

unicode/utf8 dagi yordamchilar

To'liq sikl kerak bo'lmaganda, unicode/utf8 tayyor yordamchilarga ega.

Belgilarni sanash:

import "unicode/utf8"

utf8.RuneCountInString("世界") // 2

RuneCountInString stringda nechta rune borligini qaytaradi, buni len() ayta olmaydi.

Birinchi runeni dekodlash:

r, size := utf8.DecodeRuneInString("世界")
fmt.Println(r, size)         // 19990 3
fmt.Println(string(r), size) // 世 3

DecodeRuneInString ikkita qiymat qaytaradi:

• •r: birinchi rune, int32 kod nuqtasi sifatida
• •size: o'sha rune asl stringda nechta bayt egallagani

r butun son bo'lgani uchun, uni to'g'ridan-to'g'ri chop etish sizga 19990 kod nuqtasini beradi. Uni o'qiladigan belgiga qaytarish uchun string(r) dan foydalaning.

Bitta tuzoq: bo'sh stringda, DecodeRuneInString nol yoki xato emas, Unicode almashtirish belgisini U+FFFD (�) qaytaradi. Har doim bo'sh kirishdan himoyalaning:

func firstRuneSize(s string) int {
	if s == "" {
		return 0
	}
	_, size := utf8.DecodeRuneInString(s)
	return size
}

Belgilarni xohlaganingizda shu yordamchilardan foydalaning. len() va s[i] ga faqat haqiqatan ham baytlarni xohlaganingizda murojaat qiling.