英文:
Umlauts and slices
问题
我在阅读一个具有固定列长度格式的文件时遇到了一些问题。有些列可能包含umlauts（德语中的变音符号）。
Umlauts似乎使用2个字节而不是一个字节。这不是我预期的行为。是否有任何返回子字符串的函数？在这种情况下，Slice似乎不起作用。
以下是一些示例代码：
package main
import (
"fmt"
)
func main() {
umlautsString := "Rhön"
fmt.Println(len(umlautsString))
fmt.Println(umlautsString[0:4])
}
输出结果：
5
Rhö
请注意，这里的输出结果是正确的。len(umlautsString)返回的是字符串的字节数，而不是字符数。由于ö是一个umlaut字符，它占用了2个字节。因此，Rhö实际上是字符串的前4个字节，而不是前3个字符。
英文:
I'm having some trouble while reading a file which has a fixed column length format. Some columns may contain umlauts.
Umlauts seem to use 2 bytes instead of one. This is not the behaviour I was expecting. Is there any kind of function which returns a substring? Slice does not seem to work in this case.
Here's some sample code:
http://play.golang.org/p/ZJ1axy7UXe
umlautsString := "Rhön"
fmt.Println(len(umlautsString))
fmt.Println(umlautsString[0:4])
Prints:
5
Rhö
答案1
得分: 12
在Go语言中，字符串的切片是按字节计数的，而不是按rune计数。这就是为什么"Rhön"[0:3]会得到Rh和ö的第一个字节。
UTF-8编码的字符被表示为rune，因为UTF-8将字符编码为多个字节（最多四个字节），以提供更大范围的字符。
如果你想使用[]语法对字符串进行切片，请先将字符串转换为[]rune。示例（在play中查看）：
umlautsString := "Rhön"
runes := []rune(umlautsString)
fmt.Println(string(runes[0:3])) // Rhö
值得注意的是：这篇关于Go语言中字符串表示的博文。
英文:
In go, a slice of a string counts bytes, not runes. This is why "Rhön"[0:3] gives you Rh and the first byte of ö.
Characters encoded in UTF-8 are represented as runes because UTF-8 encodes characters in more than one
byte (up to four bytes) to provide a bigger range of characters.
If you want to slice a string with the [] syntax, convert the string to []rune before.
Example (on play):
umlautsString := "Rhön"
runes = []rune(umlautsString)
fmt.Println(string(runes[0:3])) // Rhö
Noteworthy: This golang blog post about string representation in go.
答案2
得分: 3
你可以将string转换为[]rune并进行操作：
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]))
}
希望对你有帮助！
英文:
You can convert string to []rune and work with it:
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
Hope that helps!
答案3
得分: 0
另一个选项是utf8string包：
package main
import "golang.org/x/exp/utf8string"
func main() {
s := utf8string.NewString("🌹🌞🌚🌙🌜")
// 示例 1
n := s.RuneCount()
println(n == 5)
// 示例 2
t := s.Slice(0, 2)
println(t == "🌹🌞")
}
https://pkg.go.dev/golang.org/x/exp/utf8string
英文:
Another option is the utf8string package:
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 == "🧡💛")
}
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论