Dave Cheney 昨天在推上发了[一个 Go 的小测试][quiz]，问题如下：

[quiz]: https://twitter.com/davecheney/status/1261144551697166336

> #golang pop quiz, what does this program print?
>
> ```
> package main
> 
> import (
> 	"fmt"
> )
> 
> func main() {
> 	s := string([]rune{0xf8})
> 	fmt.Println(len(s))
> }
> ```

答案分布情况如下：

- **0** 7.8%
- **1** 51.6%
- **2** 29%
- **4** 11.7%

正确答案应该是**2**，看来只有不超过 1/3 的人回答正确了。

下面简析一下这个本身很简单的问题，若有错误恳请指正。要详述 Unicode 和 UTF-8 等需要大量的篇幅，本文只是简述。

## Unicode

首先值得一提的是 [Unicode][unicode]。Unicode 俗称万国码、统一码等。

**Unicode 是一种字符集。** 即字符的集合。

它存在的目的是尽最大努力给世界上任何国家、任何文明的文字（或符号、字符）一个**编号**（一个数字），这个编号被称作**码点（Codepoint）**。

但是**这个编号并不是这个符号在内存中的直接存储方式**。

字符是如何在计算机中存储的，决定于采用的**编码**方式。

[unicode]: https://en.wikipedia.org/wiki/Unicode

## UTF-8

**[UTF-8][utf-8] 就是一种编码方式。** 

所谓编码方式，就是指：如何将一个 Unicode 字符对应的码点保存在（编码到）内存中。

UTF-8 的长度与 Unicode 的对应关系（来自维基百科）：

| Number of bytes | Bits for code point | First code point | Last code point | Byte 1    | Byte 2    | Byte 3    | Byte 4   |
|-----------------|---------------------|------------------|-----------------|-----------|-----------|-----------|----------|
| 1               | 7                   | U+0000           | U+007F          | 0xxxxxxx  |           |           |          |
| 2               | 11                  | U+0080           | U+07FF          | 110xxxxx  | 10xxxxxx  |           |          |
| 3               | 16                  | U+0800           | U+FFFF          | 1110xxxx  | 10xxxxxx  | 10xxxxxx  |          |
| 4               | 21                  | U+10000          | U+10FFFF        | 11110xxx  | 10xxxxxx  | 10xxxxxx  | 10xxxxxx |

[utf-8]: https://en.wikipedia.org/wiki/UTF-8

## Rune

**Go 语言中用 Rune 这个类型来表示一个字符的码点。**

它其实是 `int32` 的别名而已。也就是说它最大 4 个字节。

## string

**Go 语言中的 string 保存的是 byte 流。** 但并不一定是有效的 UTF-8 字符串。

但是，将 `[]rune` 转换成 `string` 的时候，语言本身却能保证得到的 `string` 是有效的 UTF-8 字符串。不正确的字符会被替换成 `\xFFFD`。(参考：<https://golang.org/ref/spec#Conversions_to_and_from_a_string_type>)

## 题目中的 0xF8 如何表示成

**0xF8** 是一个码点。

从前面的表中可以看出 `0xF8` 在范围 `U+0080` 到 `U+07FF` 之间。所以需要用两个字节来保存。

`0xF8` 的二进制为 `1111 1000`。补零对齐：<code><span style="color:green;">000 11</span><span style="color:red">11 1000</span></code>。
将它们保存成 UTF-8 得到：<code>110<span style="color:green;">000011</span> 10<span style="color:red">111000</span></code>。

所以：码点 `0xF8` 保存成 UTF-8 的最终结果为：`0xC3 0xB8`。

以下是 macOS 的字符查看器的显示结果，可以在右边看到看到确实是这样：

![view](view.png)