A rune típus a Go-ban az int32 álneve.
Mivel a mögöttes típusa int32, a rune típus egy előjeles 32 bites egész értéket tárol.
Az int32 típustól eltérően azonban a rune típusban tárolt egész érték egyetlen Unicode-karaktert ábrázol.
A Unicode és a Unicode-kódpontok
A Unicode az ASCII-t is magában foglalja, és úgy ábrázolja a karaktereket, hogy minden karakterhez egyedi számot rendel.
Ezt az egyedi számot Unicode-kódpontnak nevezzük.
A Unicode célja, hogy a világ összes karakterét Unicode-kódpontként ábrázolja, beleértve a különféle ábécéket, számokat, szimbólumokat és még az emojikat is.
A Go-ban a rune típus egyetlen Unicode-kódpontot ábrázol.
Az alábbi táblázat példákat mutat Unicode-karakterekre a Unicode-kódpontjukkal és a decimális értékükkel együtt:
| Unicode-karakter |
Unicode-kódpont |
Decimális érték |
| 0 |
U+0030 |
48 |
| A |
U+0041 |
65 |
| a |
U+0061 |
97 |
| ¿ |
U+00BF |
191 |
| π |
U+03C0 |
960 |
| 🧠 |
U+1F9E0 |
129504 |
UTF-8
A UTF-8 egy változó hosszúságú karakterkódolás, amely minden Unicode-kódpontot 1, 2, 3 vagy 4 bájtként kódol.
Mivel egy Unicode-kódpont legfeljebb 4 bájtként kódolható, a rune típusnak képesnek kell lennie legfeljebb 4 bájt adat tárolására.
Ezért a rune típus az int32 álneve, hiszen az int32 típus legfeljebb 4 bájt adatot képes tárolni.
A Go forráskódfájljai UTF-8-cal vannak kódolva.
A rune-ok használata
A rune típusú változókat úgy deklarálod, hogy egy karaktert egyszeres idézőjelek közé teszel:
myRune := '¿'
Mivel a rune csupán az int32 álneve, ha kiírod egy rune típusát, int32-t kapsz:
myRune := '¿'
fmt.Printf("myRune type: %T\n", myRune)
// Output: myRune type: int32
Hasonlóképpen, ha kiírod egy rune értékét, annak egész (decimális) értékét kapod:
myRune := '¿'
fmt.Printf("myRune value: %v\n", myRune)
// Output: myRune value: 191
A rune által ábrázolt Unicode-karakter kiíratásához a %c formázási direktívát használd:
myRune := '¿'
fmt.Printf("myRune Unicode character: %c\n", myRune)
// Output: myRune Unicode character: ¿
A rune által ábrázolt Unicode-kódpont kiíratásához a %U formázási direktívát használd:
myRune := '¿'
fmt.Printf("myRune Unicode code point: %U\n", myRune)
// Output: myRune Unicode code point: U+00BF
A rune-ok és a stringek
A Go-ban a stringek UTF-8-cal vannak kódolva, ami azt jelenti, hogy Unicode-karaktereket tartalmaznak.
A stringekben a karakterek 1, 2, 3 vagy 4 bájtként tárolódnak és kódolódnak, attól függően, hogy milyen Unicode-karaktert ábrázolnak.
A Go-ban a szeletek sorozatok ábrázolására szolgálnak, és ezeken a szeleteken a range segítségével lehet végigiterálni.
Amikor végigiterálunk egy stringen, a Go a stringet rune-ok sorozatává alakítja, amelyek mindegyike 4 bájt (ne feledd, a rune típus az int32 álneve!)
Bár egy string csupán bájtok szelete, a range kulcsszó egy string rune-jai felett iterál, nem a bájtjai felett.
Ebben a példában az index változó az aktuális rune bájtsorozatának kezdőindexét, a char változó pedig magát az aktuális rune-ot ábrázolja:
myString := "❗hello"
for index, char := range myString {
fmt.Printf("Index: %d\tCharacter: %c\t\tCode Point: %U\n", index, char, char)
}
// Output:
// Index: 0 Character: ❗ Code Point: U+2757
// Index: 3 Character: h Code Point: U+0068
// Index: 4 Character: e Code Point: U+0065
// Index: 5 Character: l Code Point: U+006C
// Index: 6 Character: l Code Point: U+006C
// Index: 7 Character: o Code Point: U+006F
Mivel a rune-ok 1, 2, 3 vagy 4 bájtként tárolhatók, egy string hossza nem mindig egyezik meg a benne lévő karakterek számával.
A beépített len függvénnyel egy string bájtban mért hosszát kapod meg, a utf8.RuneCountInString függvénnyel pedig egy string rune-jainak számát:
import "unicode/utf8"
myString := "❗hello"
stringLength := len(myString)
numberOfRunes := utf8.RuneCountInString(myString)
fmt.Printf("myString - Length: %d - Runes: %d\n", stringLength, numberOfRunes)
// Output: myString - Length: 8 - Runes: 6
Tanulófeladat
