在 Ruby 中,我们可以直接调用 str.length 来判断字符串的长度。

在 Golang 中,不能直接调用 len 函数来统计字符串字符长度,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 字符串长度呢?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

对应代码如下:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
	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:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
	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 10000000 118 ns/op Benchmark2 20000000 63.7 ns/op Benchmark3 10000000 248 ns/op Benchmark4 20000000 59.9 ns/op ok command-line-arguments 6.635s 从测试结果来看,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: '\xF0\x9F\x98\x84\xF0\x9F...' 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。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
// 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
}