元音变音和切片答案

【问题标题】：Umlauts and slices元音变音和切片
【发布时间】：2013-10-17 16:33:52
【问题描述】：

我在读取具有固定列长度格式的文件时遇到了一些问题。某些列可能包含变音符号。

元音变音似乎使用 2 个字节而不是 1 个字节。这不是我所期望的行为。有没有返回子字符串的函数？在这种情况下，切片似乎不起作用。

这里有一些示例代码：

http://play.golang.org/p/ZJ1axy7UXe

umlautsString := "Rhön"
fmt.Println(len(umlautsString))
fmt.Println(umlautsString[0:4])

打印：

5
Rhö

【问题讨论】：

标签： go

【解决方案1】：

在 go 中，字符串的一部分计算字节数，而不是 runes。这就是为什么"Rhön"[0:3] 给你Rh 和ö 的第一个字节。

以 UTF-8 编码的字符表示为符文，因为 UTF-8 将字符编码为多个 byte（最多四个字节）以提供更大范围的字符。

如果要使用[] 语法对字符串进行切片，请先将字符串转换为[]rune。示例（on play）：

umlautsString := "Rhön"
runes = []rune(umlautsString)
fmt.Println(string(runes[0:3])) // Rhö

值得注意：This golang blog post about string representation in go。

【讨论】：

感谢您的回答。我没有意识到可以转换为[]rune - 这将允许我清理我最近的一些代码。
“UTF-8 字符被编码为符文”完全没有意义。您能否澄清、重写或删除它？
@rightfold 你太粗鲁了。这对至少 9 个人来说是有意义的，因此删除答案是毫无疑问的。您本可以很好地要求澄清，但在这种情况下，您似乎懒得关注 nemo 发布的任何一个链接，这两个链接都详细解释了符文是什么。
@x3ro 我知道符文是什么，我知道什么是编码，我引用的部分没有意义（不仅对我来说，而且总的来说）。没有“UTF-8 字符”之类的东西。此外，我从来没有说过 nemo 应该澄清、重写或删除整个答案，只有我引用的部分。
@rightfold：请您查看RFC 3629 以重新评估“UTF-8 字符”是否存在。你怎么能假设被接受了 10 次的答案有一些没有意义的部分一般来说？这似乎有点牵强。

【解决方案2】：

您可以将string 转换为[]rune 并使用它：

package main

import "fmt"

func main() {
  umlautsString := "Rhön"

  fmt.Println(len(umlautsString))

  subStrRunes:= []rune(umlautsString)

  fmt.Println(len(subStrRunes))

  fmt.Println(string(subStrRunes[0:4]))
}

http://play.golang.org/p/__WfitzMOJ

希望有帮助！

【讨论】：

【解决方案3】：

另一个选项是utf8string 包：

package main
import "golang.org/x/exp/utf8string"

func main() {
   s := utf8string.NewString("?????")
   // example 1
   n := s.RuneCount()
   println(n == 5)
   // example 2
   t := s.Slice(0, 2)
   println(t == "??")
}

https://pkg.go.dev/golang.org/x/exp/utf8string

【讨论】：