汉字3字节，rune4字节，为什么index[3]的下一个是index[6]?

Question

如标题，汉字占3个字节，rune是4个字节的，那么既然是以rune的结构存放的汉字，那么每个数据都应该是4个字节才对啊，为什么index[3]的下一个汉字的其实index是6？

Answer 1

ccmouse 2020-09-02 16:05:36

go语言的字符串本身是utf-8编码的，汉子占三个字节，所以[3]后面是[6]

当我们用for循环来拿里面的元素时，for i, ch := range s，这里获得的ch已经经过了utf-8 => unicode的转换，转换的结果放在了ch里面。utf-8和unicode是不同的编码方式。

我们这里也看到，这个字符的utf-8编码是0xE68595,而我们拿到的ch是0x7231,go语言的运行环境已经帮我们做了一次转换

• 提问者 拧壶冲 #1

  也就是说在字符串里面的时候 一个汉字是3个字节，而在用for语句取出了rune的汉字，就做了一次转化，将转码的unicode存到ch的变量中，这时unicode是占4个字符的。
  
  那当我们执行for i, ch := range s的时候，s中的字符串应该是被复制到了新的地址吧？而且是一个连续的4*s.length个字节长度。s的内容都被转码复制到这个新的地址， ch就是for的时候根据slice的顺序访问连续空间中的元素

• ccmouse 回复 提问者 拧壶冲 #2

  第一段是对的。第二段，它不需要新开辟连续的空间。for的时候，UTF-8发现是中文三字节，就把三个字节取出，作转换，转换后的结果赋值给ch就行。就相当于一个整数赋值。