【Go进阶—数据结构】string

特性

从标准库文件 src/builtin/builtin.go 中可以看到内置类型 string 的定义和描述:

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

从中我们可以看出 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，string 可以为空（长度为0），但不会是 nil，并且 string 对象不可修改。

字符串可以使用双引号赋值，也可以使用反单引号赋值。使用双引号声明的字符串和其他语言中的字符串没有太多的区别，它只能用于单行字符串的初始化，如果字符串内部出现换行符或双引号等特殊符号，需要使用 \ 符号转义；而反引号声明的字符串可以摆脱单行的限制，并且可以在字符串内部直接使用特殊符号，在遇到需要手写 JSON 或者其他复杂数据格式的场景下非常方便。

实现原理

数据结构

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

type stringStruct struct {
    str unsafe.Pointer
    len int
}

结构很简单，两个字段分别表示字符串的首地址和长度。

生成字符串时，会先构建 stringStruct 对象，再转换成 string，代码如下：

func gostringnocopy(str *byte) string {
    ss := stringStruct{str: unsafe.Pointer(str), len: findnull(str)}
    s := *(*string)(unsafe.Pointer(&ss))
    return s
}

相关操作

字符串拼接

在 runtime 包中，使用 concatstrings 函数来拼接字符串，所有待拼接字符串被组织到一个切片中传入，核心源码如下：

func concatstrings(buf *tmpBuf, a []string) string {
    // 计算待拼接字符串切片长度及个数，以此申请内存
    idx := 0
    l := 0
    count := 0
    for i, x := range a {
        n := len(x)
        if n == 0 {
            continue
        }
        if l+n < l {
            throw("string concatenation too long")
        }
        l += n
        count++
        idx = i
    }
    if count == 0 {
        return ""
    }

    // 如果非空字符串的数量为 1 且当前字符串不在栈上，直接返回该字符串
    if count == 1 && (buf != nil || !stringDataOnStack(a[idx])) {
        return a[idx]
    }
    // 分配内存，构造一个字符串和切片，二者共享内存
    s, b := rawstringtmp(buf, l)
    // 向切片中拷贝待拼接字符串
    for _, x := range a {
        copy(b, x)
        b = b[len(x):]
    }
    // 返回拼接后字符串
    return s
}

需要注意的是，在正常情况下，运行时会调用 copy 将输入的多个字符串拷贝到目标字符串所在的内存空间。一旦需要拼接的字符串非常大，拷贝带来的性能损失是无法忽略的。

类型转换

当我们使用 Go 语言解析和序列化 JSON 等数据格式时，经常需要将数据在 string 和 []byte 之间来回转换。

从字节数组到字符串的转换需要使用 slicebytetostring 函数，核心源码如下：

func slicebytetostring(buf *tmpBuf, ptr *byte, n int) (str string) {
    // 字节数组长度为 0 或 1 时特殊处理
    if n == 0 {
        return ""
    }
    if n == 1 {
        p := unsafe.Pointer(&staticuint64s[*ptr])
        if sys.BigEndian {
            p = add(p, 7)
        }
        stringStructOf(&str).str = p
        stringStructOf(&str).len = 1
        return
    }

    var p unsafe.Pointer
    // 根据传入的缓冲区大小决定是否需要为新字符串分配内存空间
    if buf != nil && n <= len(buf) {
        p = unsafe.Pointer(buf)
    } else {
        p = mallocgc(uintptr(n), nil, false)
    }
    stringStructOf(&str).str = p
    stringStructOf(&str).len = n
    // 将原 []byte 中的字节全部复制到新的内存空间中
    memmove(p, unsafe.Pointer(ptr), uintptr(n))
    return
}

当我们想要将字符串转换成 []byte 类型时，需要使用 stringtoslicebyte 函数，该函数的实现非常容易理解：

func stringtoslicebyte(buf *tmpBuf, s string) []byte {
    var b []byte
    // 当传入缓冲区并且空间足够时，从该缓冲区切取字符串长度大小切片，否则构造一个切片
    if buf != nil && len(s) <= len(buf) {
        *buf = tmpBuf{}
        b = buf[:len(s)]
    } else {
        b = rawbyteslice(len(s))
    }
    // 将字符串复制到切片中
    copy(b, s)
    return b
}

[]byte 转换成 string 的场景有很多，出于性能上的考虑，有时候只是临时需要字符串的情景下，此时不会发生拷贝，而是直接返回一个 string，其中的指针指向 []byte 的地址。而且，我们需谨记：类型转换的开销并没有想象中那么小，经常会成为程序的性能热点。