JavaScript 中英文字符串的长度和Golang的长度判断

JavaScript 是一个字符占用一位的。例如 Hello, 世界 包含 9 个字符,然而在Golang 直接调用len() 方法获取
长度 确是 13个字符。我们知道Golang 是UTF-8编码的。

在 Go 语言中,是不能用 len 函数来统计字符串中的字符个数的,这是因为在 Go 中,字符串是以 UTF-8 为格式进行存储的,在字符串上调用 len 函数,取得的是字符串包含的 byte 的个数。

例如字符串:Hello, 世界 包含 9 个字符。使用 len("Hello, 世界") 得到的结果为 13,因为这个字符串占用 13 个字节:

s := "Hello, 世界"
fmt.Println(len(s)) // 13
fmt.Println([]byte(s)) // [72 101 108 108 111 44 32 228 184 150 231 149 140]

那么如何统计 Golang 字符串中的字符个数呢?有下面几种方法:

  • 使用 bytes.Count() 统计
  • 使用 strings.Count() 统计
  • 将字符串转换为 []rune 后调用 len 函数进行统计
  • 使用 utf8.RuneCountInString() 统计

具体代码:

package count

import "bytes"
import "strings"
import "unicode/utf8"

func f1(s string) int {
    return bytes.Count([]byte(s), nil) - 1
}

func f2(s string) int {
    return strings.Count(s, "") - 1
}

func f3(s string) int {
    return len([]rune(s))
}

func f4(s string) int {
    return utf8.RuneCountInString(s)
}

用上面 4 个函数计算字符串 Hello, 世界 都会得到正确的字符个数:9。那究竟哪个方法更好一些呢?做一下测试看看:

创建文件:count_test.go,内容如下:

package count

import "bytes"
import "strings"
import "unicode/utf8"
import "testing"

func f1(s string) int {
    return bytes.Count([]byte(s), nil) - 1
}

func f2(s string) int {
    return strings.Count(s, "") - 1
}

func f3(s string) int {
    return len([]rune(s))
}

func f4(s string) int {
    return utf8.RuneCountInString(s)
}

var s = "Hello, 世界"

func Benchmark1(b *testing.B) {
    for i := 0; i < b.N; i++ {
        f1(s)
    }
}

func Benchmark2(b *testing.B) {
    for i := 0; i < b.N; i++ {
        f2(s)
    }
}

func Benchmark3(b *testing.B) {
    for i := 0; i < b.N; i++ {
        f3(s)
    }
}

func Benchmark4(b *testing.B) {
    for i := 0; i < b.N; i++ {
        f4(s)
    }
}

在命令行中运行命令:go test count_test.go -bench ".*",输出如下内容:

testing: warning: no tests to run
PASS
Benchmark1    20000000           109 ns/op
Benchmark2    20000000            61.6 ns/op
Benchmark3    10000000           220 ns/op
Benchmark4    30000000            58.1 ns/op
ok      command-line-arguments    7.843s

看来,速度最快的是 utf8.RuneCountInString().

另:大家应该都知道 MySQL >= 5.5.3版本才支持 emoji 表情,如果不做处理直接保存的话,会发生MySQL 异常:Error 1366: Incorrect string value: 'xF0x9Fx98x84xF0x9F...' for column 如果要让 DB 直接支持,只需要升级 MySQL 版本,然后字符集设置为utf8m4,注意:对于旧表必须将字段的字符也做utf8m4更改才能生效。

如果 MySQL 升级比较麻烦,那么我们还可以通过过滤 emoji 表情,不支持它的存储来达到正常使用的效果。

// 过滤 emoji 表情
func FilterEmoji(content string) string {
    new_content := ""
    for _, value := range content {
        _, size := utf8.DecodeRuneInString(string(value))
        if size <= 3 {
            new_content += string(value)
        }
    }
    return new_content
}

添加新评论

top