当前位置:首页 > 文章列表 > Golang > Go教程 > Go slices.Compact 怎样删除相邻重复元素并复用底层数组

Go slices.Compact 怎样删除相邻重复元素并复用底层数组

来源:17golang原创 2026-11-20 02:19:20 0浏览 收藏

先说结论:slices.Compact 适合把切片中连续出现的相等元素压成一个,并直接复用原切片的底层数组。调用时要接住返回值:s = slices.Compact(s)。它不是全局去重函数,后面再次出现的值不会因为前面出现过就被删除。

官方地址:https://pkg.go.dev/slices#Compact

slices.Compact 到底合并了什么

这个函数的泛型签名是 Compact[S ~[]E, E comparable](s S) S。输入元素必须支持 == 比较;函数会保留每一段连续重复值中的一个,返回长度更短的同类型切片。比如输入 10, 10, 20, 30, 30, 10,结果是 10, 20, 30, 10,最后一个 10 仍然存在,因为它与前一个 10 不相邻。

slices.Compact 只合并相邻相等元素的结构说明图
图1:相邻元素关系说明图,展示 Compact 的比较边界、写入游标和有效前缀;这是静态说明图,不是运行截图。
package main

import (
	"fmt"
	"slices"
)

func main() {
	// 只压缩相邻重复值,末尾的 10 与开头不相邻,所以会保留。
	values := []int{10, 10, 20, 30, 30, 10}
	values = slices.Compact(values)

	// 重新接住返回值,后续逻辑只读取有效前缀。
	fmt.Println(values) // [10 20 30 10]
}

为什么一定要接住返回值

切片由指针、长度和容量组成。Compact 会在原底层数组上整理数据,但删除重复项后,有效长度已经改变;只调用 slices.Compact(values) 而不接收返回值,调用者仍会按旧长度读取,结果就不是“压缩后的切片”。正确写法是把返回值重新赋给原变量,或赋给新的切片变量。

这种写法通常不需要为结果再分配一块数组,适合日志标签、相邻状态、已经按键排序的数据等场景。它优化的是有效前缀和分配次数,不代表底层数组的容量也会立刻缩小。

它不是全局去重:先确认数据顺序

使用前要先确认问题是“压缩连续重复”还是“删除所有重复”。slices.Compact 不维护一个全局集合,也不会改变元素的相对顺序。如果输入是 []string{"a", "b", "a"},结果仍是三个元素。需要全局去重时,应单独设计 map、排序或业务规则;不要把两类需求混在一个调用里。

package main

import (
	"fmt"
	"slices"
)

func main() {
	// 非连续的 a 不是同一段重复运行,Compact 不会删除它。
	labels := []string{"a", "b", "a", "a", "c"}
	labels = slices.Compact(labels)

	// 结果保留第一段 a、b、第二段 a 和 c。
	fmt.Println(labels) // [a b a c]
}

底层数组复用时要看哪些边界

官方文档说明,返回结果会保留输入切片的 nil 状态,并把新长度到原长度之间的元素清零。对指针、字符串或包含引用的元素来说,这个清零动作有助于避免旧尾部继续保留关联对象;但调用者仍应把返回切片视为唯一有效范围。

Compact 返回切片与底层数组边界说明图
图2:底层数组边界说明图,查看有效前缀、len 缩短、cap 余量和清零尾部的关系;这是静态说明图,不是运行证据。
package main

import (
	"fmt"
	"slices"
)

func main() {
	// 保存原长度只用于说明边界,业务读取应使用 compacted。
	items := []string{"x", "x", "y", "y", "z"}
	originalLen := len(items)
	compacted := slices.Compact(items)

	// compacted 的 len 是有效数据范围,不能继续按 originalLen 读取。
	fmt.Println(compacted, len(compacted), cap(compacted), originalLen)
}

如果后续代码还持有旧切片视图,或者准备继续 append,就要把共享底层数组当作资源边界来处理:旧视图的长度不会自动更新,新的追加也可能写入同一块数组。最稳妥的做法是从此只传递返回值;确实需要独立生命周期时,再显式复制一份。

快速判断清单

  • 元素是否满足 comparable,并且重复定义就是 Go 的相等比较?
  • 需求是相邻压缩,而不是全局去重?
  • 是否写成了 s = slices.Compact(s)?
  • 后续逻辑是否只按新长度读取,并理解尾部已被清零?

相关问题

Compact 会保持 nil 切片吗?会,官方契约明确结果保持输入切片的 nil 状态。

结构体元素能直接使用 Compact 吗?只要元素类型满足 comparable,就可以;含有 map、slice 或 function 字段的结构体不满足这一约束。

大小写不敏感的字符串能用 Compact 吗?不能直接用默认比较;应先明确比较规则,并考虑 slices.CompactFunc 是否更符合需求。

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 slices.Compact 为什么 Compact 后尾部元素不能继续当作有效数据Go slices.Compact 为什么 Compact 后尾部元素不能继续当作有效数据
上一篇
Go slices.Compact 为什么 Compact 后尾部元素不能继续当作有效数据
Go slices.Grow 怎样提前增长切片容量
下一篇
Go slices.Grow 怎样提前增长切片容量
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。
    1132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。
    1116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。
    1294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。
    1233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。
    1084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