当前位置:首页 > 文章列表 > Golang > Go教程 > Go 的 UTF 支持:一个有趣的限制

Go 的 UTF 支持:一个有趣的限制

来源:dev.to 2024-11-19 21:55:03 0浏览 收藏

本篇文章给大家分享《Go 的 UTF 支持:一个有趣的限制》,覆盖了Golang的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。

Go 的 UTF 支持:一个有趣的限制

我最近一直在探索 go 的 utf-8 支持,并且很好奇它在代码中处理非拉丁脚本的效果如何。

使用 utf-8

go 源文件默认采用 utf-8 编码。这意味着理论上您可以在变量名称、函数名称等中使用 unicode 字符。

例如,在官方的 go playground 样板代码中,你可能会遇到这样的代码:

package main

import "fmt"

func main() {
    消息 := "hello, world!"
    fmt.println(消息)
}

这里的“消息”是中文“消息”的意思。由于其 unicode 支持,go 可以毫无问题地处理这个问题。这种功能是 go 在中国和日本等国家流行的原因之一——开发人员可以使用对自己语言有意义的标识符来编写代码。你可能不会相信,但用母语编写代码在中国非常受欢迎,我喜欢它。


尝试使用泰米尔语标识符

当然,我想用我的母语泰米尔语尝试一下。

这是我写的一个简单示例:

package main

import "fmt"

func main() {
    எண்ணிக்கை := 42 // "எண்ணிக்கை" means "number"
    fmt.println("value:", எண்ணிக்கை)
}

乍一看,这似乎很简单,可以运行而不会出现任何错误。

但是,当我尝试编译代码时,我遇到了错误

./prog.go:6:11: invalid character U+0BCD '்' in identifier
./prog.go:6:17: invalid character U+0BBF 'ி' in identifier
./prog.go:6:23: invalid character U+0BCD '்' in identifier
./prog.go:6:29: invalid character U+0BC8 'ை' in identifier
./prog.go:7:33: invalid character U+0BCD '்' in identifier
./prog.go:7:39: invalid character U+0BBF 'ி' in identifier
./prog.go:7:45: invalid character U+0BCD '்' in identifier
./prog.go:7:51: invalid character U+0BC8 'ை' in identifier

了解泰米尔语组合标记的问题

要了解发生了什么,有必要了解一些泰米尔语脚本的工作原理。

泰米尔语是一种abugida——一种将每个辅音-元音序列写成一个单元的书写系统。在 unicode 中,这通常涉及将基本辅音字符与表示元音或其他修饰符的一个或多个组合标记组合起来。

例如:

  • 泰米尔语字母க (u+0b95) 代表辅音“ka”

  • 要表示“ki”,您可以将 க 与元音符号 ி (u+0bbf) 组合起来,得到 கி。

  • 元音符号 ி 是一个组合标记,在 unicode 中被明确归类为“非空格标记”。

这就是问题出现的地方。

go 的语言规范允许在标识符中使用 unicode 字母,但排除组合标记。具体来说,标识符可以包含分类为“字母”的字符(类别 lu、ll、lt、lm、lo 或 nl)和数字,但不能包含组合标记(类别 mn、mc、me)。


泰米尔语组合标记示例

让我们看看泰米尔语字符是如何形成的:

  • 独立辅音:க (u+0b95) - go 标识符中允许使用。

  • 辅音+元音符号:கா (u+0b95 u+0bbe) - 不允许,因为ா (u+0bbe) 是组合标记 (mc)。

  • 辅音 + 元音符号:கி (u+0b95 u+0bbf) - 不允许,因为 ி (u+0bbf) 是组合标记 (mn)。

  • 辅音 + 元音符号:கூ (u+0b95 u+0bc2) - 不允许,因为 ூ (u+0bc2) 是组合标记 (mc)。

标识符எண்ணிக்கை(“数字”)中,字符包含组合标记:

  • எ (u+0b8e) - 字母,允许。

  • ண் (u+0ba3 u+0bcd) - 由ண (u+0ba3) 和 virama ் (u+0bcd) 组成,组合标记 (mn)。

  • ண (u+0ba3) - 字母,允许。

  • ிக்கை - 包含组合标记,如 ி (u+0bbf) 和 ை (u+0bc8)。

由于 go 标识符中不允许使用这些组合标记,因此编译器在遇到它们时会抛出错误。


为什么汉字可以用而泰米尔语不行

汉字在 unicode 中通常被归类为“字母、其他”(lo) 类别。它们是独立的符号,不需要组合标记来形成完整的字符。这就是为什么像消息这样的标识符在 go 中完美工作的原因。

实际意义

无法在标识符中使用组合标记对于泰米尔语等脚本具有重大影响:

  • 表达能力有限:如果不组合标记,几乎不可能用泰米尔语编写有意义的标识符。

  • 教育障碍:使用本机脚本可以使学习编码变得更容易,但这些限制阻碍了这种可能性,特别是对于遵循基于 abugida 的书写系统的语言。

  • 包容性挑战:虽然 go 的目标是通过 utf-8 支持实现包容性,但组合标记的限制排除了许多依赖它们的语言。

总结

go 的 utf-8 支持是朝着使编程更具包容性迈出的一大步。然而,在标识符中排除组合标记对泰米尔语、印地语和阿拉伯语等语言造成了障碍,在这些语言中,组合标记是脚本的组成部分。

作为一名来自泰米尔纳德邦、主要从事 go 工作的开发人员,这个发现既令人兴奋又有点令人失望。它强调了编程语言真正国际化的复杂性。

谁用母语编码来构建软件产品!?!!!!

绝对!与东亚地区不同,那里不遵循基于“abugida”的书写系统。

而且,显然,go 的创建者一开始就不会打算将 utf-8 合规性用于“本地语言编码”。原因更多是为了提供更好的 ascii 处理、与现代 web 标准保持一致、一致的字符串处理以及迈向互操作性的一步。

这次尝试只是我的好奇心,想了解我们能在 go 中实现 utf-8 合规性到什么程度。作为致力于用 go 构建可扩展的分布式金融科技系统的人,我发现了解这些细微差别至关重要。


就是这样。感谢您的阅读。

快乐编码:)愿代码与你同在。

以上就是《Go 的 UTF 支持:一个有趣的限制》的详细内容,更多关于的资料请关注golang学习网公众号!

版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
如何让子元素不受父元素高度限制? 
如何让子元素不受父元素高度限制?
上一篇
如何让子元素不受父元素高度限制?
如何轻松连接电脑与电视:完整指南
下一篇
如何轻松连接电脑与电视:完整指南
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    542次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    511次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    498次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    484次学习
查看更多
AI推荐
  • 千音漫语:智能声音创作助手,AI配音、音视频翻译一站搞定!
    千音漫语
    千音漫语,北京熠声科技倾力打造的智能声音创作助手,提供AI配音、音视频翻译、语音识别、声音克隆等强大功能,助力有声书制作、视频创作、教育培训等领域,官网:https://qianyin123.com
    202次使用
  • MiniWork:智能高效AI工具平台,一站式工作学习效率解决方案
    MiniWork
    MiniWork是一款智能高效的AI工具平台,专为提升工作与学习效率而设计。整合文本处理、图像生成、营销策划及运营管理等多元AI工具,提供精准智能解决方案,让复杂工作简单高效。
    206次使用
  • NoCode (nocode.cn):零代码构建应用、网站、管理系统,降低开发门槛
    NoCode
    NoCode (nocode.cn)是领先的无代码开发平台,通过拖放、AI对话等简单操作,助您快速创建各类应用、网站与管理系统。无需编程知识,轻松实现个人生活、商业经营、企业管理多场景需求,大幅降低开发门槛,高效低成本。
    202次使用
  • 达医智影:阿里巴巴达摩院医疗AI影像早筛平台,CT一扫多筛癌症急慢病
    达医智影
    达医智影,阿里巴巴达摩院医疗AI创新力作。全球率先利用平扫CT实现“一扫多筛”,仅一次CT扫描即可高效识别多种癌症、急症及慢病,为疾病早期发现提供智能、精准的AI影像早筛解决方案。
    209次使用
  • 智慧芽Eureka:更懂技术创新的AI Agent平台,助力研发效率飞跃
    智慧芽Eureka
    智慧芽Eureka,专为技术创新打造的AI Agent平台。深度理解专利、研发、生物医药、材料、科创等复杂场景,通过专家级AI Agent精准执行任务,智能化工作流解放70%生产力,让您专注核心创新。
    227次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码