string数据结构

[toc]

1. string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:

// 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

string是8比特字节的集合，通常是但并不一定非得是UTF-8编码的文本。

另外提到的两点：

1. string可以为空，长度为0，但是不是nil
2. string对象不可以修改

2.string数据结构

string在源码中定义的结构体如下

type stringStruct struct {
str unsafe.Pointer
len int
}

• 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。

3.string操作

3.1 声明

声明一个string变量并赋值

var str string
str = "hello world!"

字符串构建过程是先构建stringStruct,再转换成string, 转换过程中的源码如下：

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

string 在runtime包中是stringStruct，对外呈现叫做string.

3.2 字节切片转string

byte切片可以很方便的转换成string，使用内置string()方法

func GetStringBySlice(s []byte) string {
return string(s)
}

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. 根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：

3.3 string转[]byte

string也可以方便的转成byte切片，如下所示:

func GetSliceByString(str string) []byte {
return []byte(str)
}

string转换成byte切片，也需要一次内存拷贝，其过程如下：

1. 申请切片内存空间
2. 将string拷贝到切片

转换示意图

3.4 字符串的拼接

字符串可以很方便的拼接，像下面这样：

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，

1. 第一次遍历获取总的字符串长度，据此申请内存
2. 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：

func concatstrings(a []string) string { // 字符串拼接
length := 0        // 拼接后总的字符串长度

for _, str := range a {
length += len(str)
}

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

for _, str := range a {
copy(b, str)    // string无法修改，只能通过切片修改
b = b[len(str):]
}

return s
}

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

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
p := mallocgc(uintptr(size), nil, false)  // 定义gc内存回收

stringStructOf(&s).str = p
stringStructOf(&s).len = size

*(*slice)(unsafe.Pointer(&b)) = slice{p, size, size}

return
}

4.知识点

4.1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。

4.2 []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。

4.3 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，要根据实际应用场景来选择。

string 使用场景：

1. 需要字符串比较的场景
2. 不需要nil字符串的场景

[]byte 的场景

1. 修改字符串的场景， 尤其是修改粒度为1个字节
2. 函数返回值，需要用nil表示的场景
3. 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。

参考

【string底存数据结构】