Question

我相信没有LeftStr(str,n)（最多需要n个第一个字符），RightStr(str,n)（最多需要n个最后一个字符）和SubStr(str,pos,n)（在pos之后取n个字符）功能在Go中，所以我试图制作一个

// take at most n first characters
func Left(str string, num int) string {
    if num <= 0 {
        return ``
    }
    if num > len(str) {
        num = len(str)
    }
    return str[:num]
}

// take at most last n characters
func Right(str string, num int) string {
    if num <= 0 {
        return ``
    }
    max := len(str)
    if num > max {
        num = max
    }
    num = max - num
    return str[num:]
}

但我相信当字符串包含unicode字符时，这些函数会给出错误的输出。什么是这些功能的最快解决方案，使用for range循环是唯一的方法？

Answer 1

如评论中所述， combining characters，修改符文和其他多符文 "characters" 会造成困难。

任何对Go中的Unicode处理感兴趣的人都应该阅读Go Blog文章 "Strings, bytes, runes and characters in Go" 和"Text normalization in Go"。特别是，后来讨论了golang.org/x/text/unicode/norm包可以帮助处理其中的一些问题。

您可以考虑从字符串中剔除第一个（或最后一个）“n个字符”的几个级别越来越准确（或越来越多地识别Unicode）。

只需使用n个字节。这可能在符文中间分裂，但是O（1），非常简单，并且在许多情况下，您知道输入仅由单字节符文组成。例如。 str[:n]。
n符文后拆分。这可能会分裂在角色的中间。这可以很容易地完成，但代价是仅使用string([]rune(str)[:n])进行复制和转换。您可以使用unicode/utf8包的DecodeRuneInString（和DecodeLastRuneInString）函数来依次获取每个前n个符文的长度，然后返回{{1}，从而避免转换和复制（O（n），没有分配）。
在第n个“边界”之后分裂。一种方法是使用 norm.NFC.FirstBoundaryInString(str)一再发生或norm.Iter找到要拆分的字节位置，然后返回str[:sum]。

考虑显示的字符串“cafés”，它可以在Go代码中表示为：“cafés”，“caf \ u00E9s”或“caf \ xc3 \ xa9s”，它们都会产生相同的六个字节。另外它可以表示为“cafe \ u0301s”或“cafe \ xcc \ x81s”，它们都会产生相同的七个字节。

上面的第一个“方法”可能会分为“caf \ xc3”+“\ xa9s”和cafe \ xcc“+”\ x81s“。

第二种可能将它们分成“caf \ u00E9”+“s”（“café”+“s”）和“cafe”+“\ u0301s”（“cafe”+“s”）。

第三个应该将它们分成“caf \ u00E9”+“s”和“cafe \ u0301”+“s”（均显示为“café”+“s”）。

走了LeftStr，RightStr，SubStr

1 个答案: