string标准概念

Go标准库builtin给出了所有内置类型的定义。源代码位于src/builtin/builtin.go,其中关于string的描述如下:

  1. // string is the set of all strings of 8-bit bytes, conventionally but not
  2. // necessarily representing UTF-8-encoded text. A string may be empty, but
  3. // not nil. Values of string type are immutable.
  4. type string string

所以string是8比特字节的集合,通常但并不一定是UTF-8编码的文本。

另外,还提到了两点,非常重要:

  • string可以为空(长度为0),但不会是nil;
  • string对象不可以修改。

string 数据结构

源码包src/runtime/string.go:stringStruct定义了string的数据结构:

  1. type stringStruct struct {
  2. str unsafe.Pointer
  3. len int
  4. }

其数据结构很简单:

  • stringStruct.str:字符串的首地址;
  • stringStruct.len:字符串的长度;

string数据结构跟切片有些类似,只不过切片还有一个表示容量的成员,事实上string和切片,准确的说是byte切片经常发生转换。这个后面再详细介绍。

string操作

声明

如下代码所示,可以声明一个string变量变赋予初值:

  1. var str string
  2. str = "Hello World"

字符串构建过程是先跟据字符串构建stringStruct,再转换成string。转换的源码如下:

  1. func gostringnocopy(str *byte) string { // 跟据字符串地址构建string
  2. ss := stringStruct{str: unsafe.Pointer(str), len: findnull(str)} // 先构造stringStruct
  3. s := *(*string)(unsafe.Pointer(&ss)) // 再将stringStruct转换成string
  4. return s
  5. }

string在runtime包中就是stringStruct,对外呈现叫做string。

[]byte转string

byte切片可以很方便的转换成string,如下所示:

  1. func GetStringBySlice(s []byte) string {
  2. return string(s)
  3. }

需要注意的是这种转换需要一次内存拷贝。

转换过程如下:

  1. 跟据切片的长度申请内存空间,假设内存地址为p,切片长度为len(b);
  2. 构建string(string.str = p;string.len = len;)
  3. 拷贝数据(切片中数据拷贝到新申请的内存空间)

转换示意图:

1.6 string - 图1

string转[]byte

string也可以方便的转成byte切片,如下所示:

  1. func GetSliceByString(str string) []byte {
  2. return []byte(str)
  3. }

string转换成byte切片,也需要一次内存拷贝,其过程如下:

  • 申请切片内存空间
  • 将string拷贝到切片

转换示意图:

1.6 string - 图2

字符串拼接

字符串可以很方便的拼接,像下面这样:

  1. str := "Str1" + "Str2" + "Str3"

即便有非常多的字符串需要拼接,性能上也有比较好的保证,因为新字符串的内存空间是一次分配完成的,所以性能消耗主要在拷贝数据上。

一个拼接语句的字符串编译时都会被存放到一个切片中,拼接过程需要遍历两次切片,第一次遍历获取总的字符串长度,据此申请内存,第二次遍历会把字符串逐个拷贝过去。

字符串拼接伪代码如下:

  1. func concatstrings(a []string) string { // 字符串拼接
  2. length := 0 // 拼接后总的字符串长度
  3. for _, str := range a {
  4. length += length(str)
  5. }
  6. s, b := rawstring(length) // 生成指定大小的字符串,返回一个string和切片,二者共享内存空间
  7. for _, str := range a {
  8. copy(b, str) // string无法修改,只能通过切片修改
  9. b = b[len(str):]
  10. }
  11. return s
  12. }

因为string是无法直接修改的,所以这里使用rawstring()方法初始化一个指定大小的string,同时返回一个切片,二者共享同一块内存空间,后面向切片中拷贝数据,也就间接修改了string。

rawstring()源代码如下:

  1. func rawstring(size int) (s string, b []byte) { // 生成一个新的string,返回的string和切片共享相同的空间
  2. p := mallocgc(uintptr(size), nil, false)
  3. stringStructOf(&s).str = p
  4. stringStructOf(&s).len = size
  5. *(*slice)(unsafe.Pointer(&b)) = slice{p, size, size}
  6. return
  7. }

为什么字符串不允许修改?

像C++语言中的string,其本身拥有内存空间,修改string是支持的。但Go的实现中,string不包含内存空间,只有一个内存的指针,这样做的好处是string变得非常轻量,可以很方便的进行传递而不用担心内存拷贝。

因为string通常指向字符串字面量,而字符串字面量存储位置是只读段,而不是堆或栈上,所以才有了string不可修改的约定。

[]byte转换成string一定会拷贝内存吗?

byte切片转换成string的场景很多,为了性能上的考虑,有时候只是临时需要字符串的场景下,byte切片转换成string时并不会拷贝内存,而是直接返回一个string,这个string的指针(string.str)指向切片的内存。

比如,编译器会识别如下临时场景:

  • 使用m[string(b)]来查找map(map是string为key,临时把切片b转成string);
  • 字符串拼接,如”<” + “string(b)” + “>”;
  • 字符串比较:string(b) == “foo”

因为是临时把byte切片转换成string,也就避免了因byte切片同容改成而导致string引用失败的情况,所以此时可以不必拷贝内存新建一个string。

string和[]byte如何取舍

string和[]byte都可以表示字符串,但因数据结构不同,其衍生出来的方法也不同,要跟据实际应用场景来选择。

string 擅长的场景:

  • 需要字符串比较的场景;
  • 不需要nil字符串的场景;

[]byte擅长的场景:

  • 修改字符串的场景,尤其是修改粒度为1个字节;
  • 函数返回值,需要用nil表示含义的场景;
  • 需要切片操作的场景;

虽然看起来string适用的场景不如[]byte多,但因为string直观,在实际应用中还是大量存在,在偏底层的实现中[]byte使用更多。