当前位置:首页 > 文章列表 > Golang > Go教程 > Go encoding/hex AppendEncode 怎样把字节追加为十六进制文本

Go encoding/hex AppendEncode 怎样把字节追加为十六进制文本

来源:17golang原创 2026-10-25 02:29:58 0浏览 收藏

在需要把二进制字段拼进日志、协议文本或缓存键时,encoding/hex.AppendEncode 很适合替代“先算长度、再调用 Encode”的手写组合:它把 src 编成小写十六进制字符,追加到 dst,并返回扩展后的切片。最容易踩的坑是忘记接收返回值,或者把 cap(dst) 误当成已经写入的长度。

官方文档:https://pkg.go.dev/encoding/hex

本文只讨论一次性的字节切片追加,不展开 NewEncoder 的流式写入,也不讨论十六进制字符串解码。

先看 AppendEncode 的输入与返回值

图1:append-encode-buffer-map
图1:append-encode-buffer-map

AppendEncode(dst, src) 的两个参数职责不同:dst 是已有结果,可能包含前缀;src 是待编码的原始字节。函数返回新的切片视图,内容是“原来的 dst + 编码后的 src”。如果底层容量不够,返回值可能指向新的数组,所以调用后必须使用返回值。

package main

import (
    "encoding/hex"
    "fmt"
)

func main() {
    // dst 先放业务前缀,src 是需要转成十六进制的原始字节。
    dst := []byte("id=")
    src := []byte{0x2a, 0x7f, 0xa0}

    // 返回值代表追加完成后的切片,不能只依赖原来的 dst 变量。
    dst = hex.AppendEncode(dst, src)
    fmt.Printf("%s len=%d cap=%d\\n", dst, len(dst), cap(dst))
}

这个例子中,src 的 3 个字节会产生 6 个字符,结果文本是 id=2a7fa0。十六进制编码不会把一个字节变成一个字符,而是用高四位和低四位分别映射到字符表,因此输出长度始终是输入字节数的两倍。

Go AppendEncode 中 dst 前缀、src 字节和扩展后结果切片的静态关系说明图
图1:结构说明图,展示已有前缀、原始字节和返回切片之间的静态关系,不是运行截图。

用预留容量追加十六进制文本

图2:hex-api-selection-map
图2:hex-api-selection-map

如果调用点已经知道待编码数据的大小,可以用 hex.EncodedLen 预留空间,再把已有内容切到目标写入区。这不是必须步骤,但在循环拼接或批量构造协议字段时,能减少反复扩容的机会。无论是否预留,最终都要接住 AppendEncode 的返回值。

package main

import (
    "encoding/hex"
    "fmt"
)

func appendHexField(dst, src []byte) []byte {
    // 预留 src 编码后的确切字节数:每个源字节对应两个十六进制字符。
    need := hex.EncodedLen(len(src))
    if cap(dst)-len(dst) 

这里的 need 是新增字符数,不是最终总长度;已有前缀仍由 len(dst) 计入。标准库实现内部也会按 EncodedLen(len(src)) 计算增长量,因此这条关系可以作为排查长度问题的第一依据。

实践中不建议为了“保证零分配”而手动复制所有逻辑。若只是偶尔拼接,直接调用 hex.AppendEncode 更清楚;只有在明确的批量路径中,才值得提前安排容量。

Go AppendEncode 中长度容量和编码区之间关系的静态结构图
图2:容量关系说明图,比较已有长度、可用容量和每个源字节对应的两个输出字符,不是运行结果截图。

区分容量不足、旧数据和编码格式

len 表示当前结果中可读的字节数,cap 表示底层数组从切片起点起可容纳的上限。容量大于长度,只说明尾部可能还有空间,并不表示尾部已经是结果的一部分。调用 AppendEncode 后,必须用返回切片的长度读取新增内容。

另外,AppendEncode 输出的是小写十六进制字符。若协议要求大写,可以在追加后统一转换,或者选择更适合该协议的编码层;不要把“字节转十六进制”和“字母大小写策略”混成容量问题。空的 src 不新增内容,返回切片仍保留 dst 的现有数据。

现象真正原因处理方式
结果没有新增字符把返回值丢掉,或读取了旧切片长度写成 dst = hex.AppendEncode(dst, src)
长度比预期多一倍十六进制每个源字节对应两个字符用 hex.EncodedLen(len(src)) 计算新增长度
读取到前缀之外的空数据把容量当成长度只读取返回切片的 [:len(dst)]
希望边读边写大文件选错了 API 层级改看 hex.NewEncoder 或其他流式接口

延伸问答

AppendEncode 会覆盖 dst 原来的内容吗?

不会。它从 dst 当前长度之后追加,原有可读内容仍保留;但如果调用者随后使用了错误的切片边界,仍可能误读结果。

为什么不能写成只调用不接收返回值?

容量不足时函数可能分配新底层数组;即使这次刚好复用了原数组,忽略返回值也会让代码依赖偶然的容量状态。

AppendEncode 与 Encode 的主要区别是什么?

Encode 要求调用者先提供足够大的目标区域,并返回写入字节数;AppendEncode 负责在已有切片后增长并返回扩展后的切片,更适合组合多个字段。

参考:https://pkg.go.dev/encoding/hex、https://go.dev/src/encoding/hex/hex.go。文中配图均为原创静态说明图,不是本机执行截图。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go embed 怎样把静态文件打包进二进制并按路径读取Go embed 怎样把静态文件打包进二进制并按路径读取
上一篇
Go embed 怎样把静态文件打包进二进制并按路径读取
Go time.Time.AppendText 怎样把时间编码成 RFC3339 文本
下一篇
Go time.Time.AppendText 怎样把时间编码成 RFC3339 文本
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。
    543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。
    516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
    500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。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    674次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    693次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    736次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    702次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    540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 和 隐私政策
返回登录
  • 重置密码