## golang string和[]byte的对比
为啥string和[]byte类型转换需要一定的代价?
为啥内置函数copy会有一种特殊情况`copy(dst []byte, src string) int`?
string和[]byte,底层都是数组,但为什么[]byte比string灵活,拼接性能也更高([动态字符串拼接性能对比](https://sheepbao.github.io/post/golang_string_connect_performance/))?
今天看了源码探究了一下。
以下所有观点都是个人愚见,有不同建议或补充的的欢迎emial我[aboutme](https://sheepbao.github.io/about/)
### 何为string?
什么是字符串?标准库`builtin`的解释:
```
type string
string is the set of all strings of 8-bit bytes, conventionally but not necessarily representing UTF-8-encoded text. A string may be empty, but not nil. Values of string type are immutable.
```
简单的来说字符串是一系列8位字节的集合,通常但不一定代表UTF-8编码的文本。字符串可以为空,但不能为nil。而且字符串的值是不能改变的。
不同的语言字符串有不同的实现,在go的源码中`src/runtime/string.go`,string的定义如下:
```go
type stringStruct struct {
str unsafe.Pointer
len int
}
```
可以看到str其实是个指针,指向某个数组的首地址,另一个字段是len长度。那到这个数组是什么呢?
在实例化这个stringStruct的时候:
```go
func gostringnocopy(str *byte) string {
ss := stringStruct{str: unsafe.Pointer(str), len: findnull(str)}
s := *(*string)(unsafe.Pointer(&ss))
return s
}
```
哈哈,其实就是byte数组,而且要注意string其实就是个struct。
### 何为[]byte?
首先在go里面,byte是uint8的别名。而slice结构在go的源码中`src/runtime/slice.go`定义:
```go
type slice struct {
array unsafe.Pointer
len int
cap int
}
```
array是数组的指针,len表示长度,cap表示容量。除了cap,其他看起来和string的结构很像。
但其实他们差别真的很大。
### 区别
#### 字符串的值是不能改变
在前面说到了字符串的值是不能改变的,这句话其实不完整,应该说字符串的值不能被更改,但可以被替换。 还是以string的结构体来解释吧,所有的string在底层都是这样的一个结构体`stringStruct{str: str_point, len: str_len}`,string结构体的str指针指向的是一个字符常量的地址,
这个地址里面的内容是不可以被改变的,因为它是只读的,但是这个指针可以指向不同的地址,我们来对比一下string、[]byte类型重新赋值的区别:
```go
s := "A1" // 分配存储"A1"的内存空间,s结构体里的str指针指向这快内存
s = "A2" // 重新给"A2"的分配内存空间,s结构体里的str指针指向这快内存
```
其实[]byte和string的差别是更改变量的时候array的内容可以被更改。
```go
s := []int{1} // 分配存储1数组的内存空间,s结构体的array指针指向这个数组。
s = []int{2} // 将array的内容改为2
```
因为string的指针指向的内容是不可以更改的,所以每更改一次字符串,就得重新分配一次内存,之前分配空间的还得由gc回收,这是导致string操作低效的根本原因。
#### string和[]byte的相互转换
将string转为[]byte,语法`[]byte(string)`源码如下:
```go
func stringtoslicebyte(buf *tmpBuf, s string) []byte {
var b []byte
if buf != nil && len(s) <= len(buf) {
*buf = tmpBuf{}
b = buf[:len(s)]
} else {
b = rawbyteslice(len(s))
}
copy(b, s)
return b
}
func rawstring(size int) (s string, b []byte) {
p := mallocgc(uintptr(size), nil, false)
stringStructOf(&s).str = p
stringStructOf(&s).len = size
*(*slice)(unsafe.Pointer(&b)) = slice{p, size, size}
return
}
```
可以看到b是新分配的,然后再将s复制给b,至于为啥copy函数可以直接把string复制给[]byte,那是因为go源码单独实现了一个`slicestringcopy`函数来实现,具体可以看`src/runtime/slice.go`。
将[]byte转为string,语法`string([]byte)`源码如下:
```go
func slicebytetostring(buf *tmpBuf, b []byte) string {
l := len(b)
if l == 0 {
// Turns out to be a relatively common case.
// Consider that you want to parse out data between parens in "foo()bar",
// you find the indices and convert the subslice to string.
return ""
}
if raceenabled && l > 0 {
racereadrangepc(unsafe.Pointer(&b[0]),
uintptr(l),
getcallerpc(unsafe.Pointer(&buf)),
funcPC(slicebytetostring))
}
if msanenabled && l > 0 {
msanread(unsafe.Pointer(&b[0]), uintptr(l))
}
s, c := rawstringtmp(buf, l)
copy(c, b)
return s
}
func rawstringtmp(buf *tmpBuf, l int) (s string, b []byte) {
if buf != nil && l <= len(buf) {
b = buf[:l]
s = slicebytetostringtmp(b)
} else {
s, b = rawstring(l)
}
return
}
```
依然可以看到s是新分配的,然后再将b复制给s。
正因为string和[]byte相互转换都会有新的内存分配,才导致其代价不小,但读者千万不要误会,对于现在的机器来说这些代价其实不值一提。
但如果想要频繁string和[]byte相互转换(仅假设),又不会有新的内存分配,能有办法吗?答案是有的。
```go
package string_slicebyte_test
import (
"log"
"reflect"
"testing"
"unsafe"
)
func stringtoslicebyte(s string) []byte {
sh := (*reflect.StringHeader)(unsafe.Pointer(&s))
bh := reflect.SliceHeader{
Data: sh.Data,
Len: sh.Len,
Cap: sh.Len,
}
return *(*[]byte)(unsafe.Pointer(&bh))
}
func slicebytetostring(b []byte) string {
bh := (*reflect.SliceHeader)(unsafe.Pointer(&b))
sh := reflect.StringHeader{
Data: bh.Data,
Len: bh.Len,
}
return *(*string)(unsafe.Pointer(&sh))
}
func TestStringSliceByte(t *testing.T) {
s1 := "abc"
b1 := []byte("def")
copy(b1, s1)
log.Println(s1, b1)
s := "hello"
b2 := stringtoslicebyte(s)
log.Println(b2)
// b2[0] = byte(99) unexpected fault address
b3 := []byte("test")
s3 := slicebytetostring(b3)
log.Println(s3)
}
```
答案虽然有,但强烈推荐不要使用这种方法来转换类型,因为如果通过stringtoslicebyte将string转为[]byte的时候,共用的时同一块内存,原先的string内存区域是只读的,一但更改将会导致整个进程down掉,而且这个错误是runtime没法恢复的。
### 如何取舍?
既然string就是一系列字节,而[]byte也可以表达一系列字节,那么实际运用中应当如何取舍?
* string可以直接比较,而[]byte不可以,所以[]byte不可以当map的key值。
* 因为无法修改string中的某个字符,需要粒度小到操作一个字符时,用[]byte。
* string值不可为nil,所以如果你想要通过返回nil表达额外的含义,就用[]byte。
* []byte切片这么灵活,想要用切片的特性就用[]byte。
* 需要大量字符串处理的时候用[]byte,性能好很多。
最后脱离场景谈性能都是耍流氓,需要根据实际场景来抉择。
有疑问加站长微信联系(非本文作者))