Skip to main content

Go 字符编码：String vs Rune

这是一个非常精准的问题！你触碰到了 字符编码（Encoding） 和 字符集（Character Set） 的核心区别。

简短的回答是：你说的都对，但是场景不同。

  • 存储/传输时（String）：是用 3 个 byte (uint8) 来表示一个中文字符（在 UTF-8 编码下）。
  • 处理/计算时（Rune）：是用 1 个 int32 来表示一个中文字符（这就是 Go 里的 rune）。

我们可以把这想象成 "打包" 和 "解包" 的关系。

1. 存储形态：String (UTF-8, uint8)​

是为了省空间。

如果所有的字符（包括简单的英文 'a', 'b'）都用 int32（4个字节）存，那原本 1GB 的英文文件就会变成 4GB，太浪费了。

Go 的 string 默认使用 UTF-8 编码，这是一种 变长 编码：

  • 英文：只用 1个 byte (uint8)。
  • 中文：通常用 3个 byte (uint8)。

所以当你定义 s := "中" 时，内存里躺着的是 3 个 uint8： [11100100, 10111000, 10101101] (十六进制：E4 B8 AD)

2. 逻辑形态：Rune (Unicode, int32)​

是为了方便计算。

当我们想把 "中" 当作 一个字 来看待时（比如算长度、截取），我们需要一个统一的编号。这个编号就是 Unicode 码点（Code Point）。

在 Go 中，为了装得下全世界所有的字符（几十万个），专门用了一个类型叫 rune。 rune 本质上就是 int32。

  • "中" 的 Unicode 编号是 20013（十六进制 4E2D）。
  • 这正好能塞进一个 int32 里。

3. 代码实锤验证​

我们可以写段代码，亲眼看看这"两幅面孔"：

package main

import (
	"fmt"
	"unicode/utf8"
)

func main() {
	s := "中"

	// --- 视角 1: String (底层是 byte/uint8) ---
	// 这里可以看到它占了 3 个字节
	fmt.Printf("字符串长度 (len): %d\n", len(s))
	// 打印底层字节：[228 184 173] (对应十六进制 E4 B8 AD)
	fmt.Printf("底层字节: %v\n", []byte(s))

	fmt.Println("----------------")

	// --- 视角 2: Rune (本质是 int32) ---
	// 把它转换成 rune 切片，相当于"解压缩"了
	r := []rune(s)
	// 这里长度就是 1 了
	fmt.Printf("字符数量 (rune): %d\n", len(r))
	// 打印数值：[20013]
	fmt.Printf("Unicode 数值 (int32): %v\n", r)

	// 也可以用标准库函数直接数
	fmt.Printf("标准库数出来的字数: %d\n", utf8.RuneCountInString(s))
}

4. 总结对比​

场景Go 类型底层类型"中" 的样子为什么？
存储/网络传输string[]uint8 (byte)[228, 184, 173]省空间 (UTF-8 变长编码)
内存处理/计数[]rune[]int32[20013]定长方便 (每个字都是独立的 4 字节)

5. Range 遍历的秘密​

这就是为什么在 Go 里，如果你用 range 遍历字符串，得到的 value 会自动变成 rune (int32)，因为 Go 知道你大概率是想处理"字符"，而不是处理"碎片字节"。

for i, v := range "中" {
    // i 是 0 (字节索引)
    // v 是 20013 (rune/int32，自动帮你转好了)
    fmt.Printf("%d type: %T\n", v, v)
}

相关阅读​