Go | 初步了解「字元」型別

💬 簡介

在 Go 語言中，字元型別是處理文本資料的基礎。提供了兩種主要的字元型別：byte 和 rune。這兩者都用來處理字元資料，但它們的範圍和用途有所不同。理解這兩種型別的特性將幫助更有效地處理文本，並能避免在處理多字節字元（如 Unicode）時遇到的問題。

在本篇文章中，我們將介紹 byte 和 rune 的基本概念，並展示它們如何運作。

圖片來源：Gophers（地鼠造型的原創者為 Renee French）

🔎 Go 語言中的字元型別

1️⃣ byte - 單字節字元

byte 是 Go 語言中對 uint8 型別的別名，通常用來表示單字節字元，這些字元通常是 ASCII 字元。每個 byte 可以儲存一個 8 位元的數值，並且範圍是 0 到 255。byte 通常用於處理二進制資料或純文本資料。

• 範例：處理 ASCII 字元

  1 2 3 4 5 6 7 8 9 10 11

  package main import "fmt" func main() { var a byte = 'A' // 存儲 ASCII 字元 'A' fmt.Println(a) // 輸出：65（'A' 的 ASCII 值） var b byte = 66 // 使用數字表示字元 fmt.Println(string(b)) // 輸出：B }

  📝在這個範例中，byte 存儲的是單字節的 ASCII 字元，可以直接將字元或對應的數值進行操作。

2️⃣ rune - 多字節字元（Unicode）

rune 是 Go 語言中對 int32 型別的別名，用來表示一個 Unicode 字元。由於 Unicode 字元可能需要多個字節來表示，因此 rune 顯示的是一個 32 位元的整數，能夠處理來自全球各種語言的字元。它的範圍可以表示整個 Unicode 字元集。

• 範例：處理 Unicode 字元

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

  package main import "fmt" func main() { // Unicode 編碼 U+6F22 對應的是 '漢' 字元 var ch rune = '漢' // 存儲 Unicode 字元 '漢' // 顯示 '漢' 的 Unicode 編碼 U+6F22（十六進制） fmt.Printf("Unicode 編碼：U+%X\n", ch) // 輸出：U+6F22 // 顯示 '漢' 的 Unicode 編碼的十進制表示 fmt.Println("Unicode 編碼（十進制）：", ch) // 輸出：28450 // 將 rune 轉換為 string var chStr string = string(ch) fmt.Println("字元：", chStr) // 輸出：漢 }

  📝在這個範例中，rune 用來表示一個 Unicode 字元（如漢字），它的大小是 32 位元，因此能夠儲存來自不同語言的字元。

3️⃣ byte 與 rune 的區別

• byte 用於處理 ASCII 字元，通常是單字節（8 位元）。
• rune 用於處理 Unicode 字元，能表示更廣泛的字元集，且占用 32 位元。

4️⃣ 轉換 byte 與 rune

由於 byte 和 rune 都與字元有關，在某些情況下，我們可能需要進行類型轉換：

• 從 byte 轉換為 rune：將一個單字節字元轉換為 rune 型別來處理，通常用於 ASCII 字元。
• 從 rune 轉換為 byte：將一個 Unicode 字元（rune）轉換為 byte 只適用於單字節字元（例如 ASCII）。

• 範例：轉換 byte 與 rune

1
2
3
4
5
6
7
8
9
10
11
12
13

package main

import "fmt"

func main() {
    var b byte = 'A'       // ASCII 字元
    var r rune = rune(b)    // 將 byte 轉換為 rune
    fmt.Println(r)          // 輸出：65

    var r2 rune = '漢'      // Unicode 字元
    var b2 byte = byte(r2)  // 只取低位的字節
    fmt.Println(b2)         // 輸出：34，這是 '漢' 的最低 8 位
}

📝在這個範例中，byte 和 rune 之間的轉換展示了如何處理單字節字元和多字節字元。需要注意的是，將一個 Unicode 字元（rune）轉換為 byte 會丟失資訊，因為 byte 只能表示單字節字元。

• 解釋

  • 1️⃣ 了解 rune 的值
    假設我們有一個 rune 變數，其值為 28450（這是 漢 字的 Unicode 編碼值，十進制數字）。其對應的 32 位二進制表示是：

    1	28450 = 00000000 00000000 01101111 00100010 (二進制表示)

    這是 32 位的二進制數字，對應 rune 變數的數值。
  • 2️⃣ 提取 rune 的低 8 位
    現在，假設我們要將這個 rune（28450）轉換為 byte（8 位）。這樣做時，會把 rune 的 最低 8 位 提取出來，即：

    1	低 8 位： 00100010

    00100010 這是 8 位的二進制數字，轉換為十進制就是 34。
  • 3️⃣ 結果
    這樣，將 rune 的值轉換為 byte 時，只保留了這 8 位，結果變成了 34，對應於 0x22（十六進制表示）。
    所以，這是為什麼：

    1	var b2 byte = byte(r2)

    會輸出 34，因為 rune 的低 8 位對應於十進制的 34。

⚠️ 注意事項

1️⃣ 選擇正確的型別：

在處理字元時，應根據需要選擇正確的型別。對於 ASCII 字元，使用 byte 是高效且適當的；如果需要處理多語言字元（如中文、日文），則應使用 rune。

2️⃣ 處理編碼問題：

在處理 Unicode 字元時，記得選擇合適的編碼方式（例如 UTF-8、UTF-16）。Go 語言的 rune 是基於 UTF-32 編碼，但在實際應用中，字元串通常是 UTF-8 編碼。

🎯總結

字元型別主要有 byte 和 rune 兩種。byte 用於表示單字節字元，通常用來處理 ASCII 字元，而 rune 則用來表示多字節字元，主要處理 Unicode 字元，適用於處理來自世界各地語言的字符。理解這兩者的差異及使用場景，能夠幫助有效選擇合適的型別，提升程式處理文本資料的效率。

建議在處理 ASCII 字元時使用 byte，而在處理國際化字符時，應選擇 rune。掌握這些基本型別的選擇與轉換，可以在開發中避免字符處理的錯誤，確保程式的穩定運行。

最後建議回顧一下 Go | 菜鳥教學 目錄，了解其章節內容。

註：以上參考了
Go