共享的GAE数据存储区，Go <-> Java，regexp.FindStringIndex索引移位

Question

短版： 打印3，这很有意义，因为Go语言中的字符串基本上是一个字节的片，并且需要三个字节来表示此字符。我如何才能获得len和regexp函数来使用字符而不是字节。

package main

import "fmt"

func main() {

    fmt.Println(len("ウ"))//returns 3

    fmt.Println(utf8.RuneCountInString("ウ"))//returns 1

}

背景：

我正在使用JDO（Java）将文本保存到GAE数据存储中。

然后，我使用Go处理文本，特别是使用regexp.FindStringIndex并将索引保存到数据存储中。

然后回到Java领域，我发送未修改的文本，并通过json索引到GWT客户端。

索引在“移动”过程中的某个位置，因此当它在客户端上时，它们已关闭。

看来问题与字符编码有关，我假设Java / Go解释文本（索引）的方式与utf-8 char / byte不同？我在regexp包中看到了对符文的引用。

我想我可以使regexp.FindStringIndex返回go中的字节索引，或者使GWT客户端了解utf-8索引。

有什么建议么？如果将来需要国际化该应用程序，我应该使用UTF-8，对吗？

Answer 1

正如您可能已经了解到的那样，Go和Java对待字符串的方式有所不同。在Java中，字符串是一系列代码点（字符）。在Go中，字符串是一系列字节。Go中的文本操作函数在必要时可以理解UTF-8代码点，但是由于字符串以字节表示，因此它们返回并使用的索引是字节索引，而不是字符索引。正如您在注释中观察到的那样，您可以使用RuneReader和FindReaderIndex获取以字符而不是字节为单位的索引。strings.Reader提供的实现RuneReader，因此您可以使用strings.NewReader将字符串包装到中RuneReader。另一个选择是获取所需的in字符长度的子字符串，然后将其传递给utf8.RuneLen，后者返回UTF-8字符串中的字符数。但是，使用aRuneReader可能更有效。