Go言語の文字列を対象にしたイテレーションについての考察

main.go

package main

import "fmt"

func main() {
	samples := []string{"hello", "apple_π!", "これは漢字文字列"} //liststart
	for _, sample := range samples {
		for i, r := range sample {
			fmt.Println(i, r, string(r))
		}
		fmt.Println()
	} 
} 

1. コードの解説

1. スライスの定義:

   samples := []string{"hello", "apple_π!", "これは漢字文字列"}
   

   • []stringは文字列のスライスを表します。
   • :=は短縮変数宣言で、型推論を使用して変数を宣言と同時に初期化します。

2. 外部ループ:

   for _, sample := range samples {
   

   • rangeキーワードを使用してスライスをイテレートします。
   • _はインデックスを無視するためのブランク識別子です。
   • sampleは各イテレーションで現在の文字列を表します。

3. 内部ループ:

   for i, r := range sample {
   

   • 文字列sampleに対してrangeを使用します。
   • iはバイトインデックス、rは各文字（ルーン）を表します。

4. 出力:

   fmt.Println(i, r, string(r))
   

   • i: バイトインデックス
   • r: 文字のUnicodeコードポイント
   • string(r): コードポイントを文字列に変換

ポイント

• Goの文字列はUTF-8エンコードされたバイト列です。
• rangeで文字列をイテレートすると、Unicodeコードポイント（ルーン）単位で処理されます。
• iはバイトインデックスを表すため、マルチバイト文字では連続しない値になることがあります。
• rはint32型で、Unicodeコードポイントを表します。

出力結果の解釈

• ASCII文字（例：英語）は1バイトなので、インデックスは1ずつ増加します。
• 非ASCII文字（例：π、漢字）は複数バイトなので、インデックスは1以上増加します。
• コードポイントは各文字のUnicode値を示します。
• string(r)は実際の文字を表示します。

2. 出力結果からの考察

1. インデックス (i)
2. Unicode コードポイント (r)
3. 実際の文字 (string(r))

iの値がイレギュラーに見える理由は、Goの文字列がUTF-8エンコーディングを使用しているためです。具体的に説明すると：

1. ASCII文字（例：英語のアルファベット）:
   これらは1バイトで表現されるため、インデックスは1ずつ増加します。

2. マルチバイト文字（例：絵文字、漢字）:
   これらは複数バイトで表現されるため、インデックスが1つの文字に対して複数増加することがあります。

考察

1. "hello": 各文字が1バイトなので、インデックスは0から4まで順に増加します。

2. "apple_π!":

   • "apple_"までは1バイト文字なので、インデックスは0から5まで順に増加。
   • "π"はUTF-8で3バイト使用するため、インデックスが5から6に飛び、次は8になります。
   • "!"は1バイト文字なので、インデックスは8のままです。

3. "これは漢字文字列":
   各文字が3バイトで表現されるため、インデックスは3ずつ増加します（0, 3, 6, 9, 12, 15, 18）。

このように、Goのrangeループは文字列をUTF-8エンコードされたバイト列として扱い、各文字（ルーン）の開始バイトのインデックスを返します。そのため、マルチバイト文字を含む文字列では、インデックスが連続的に増加しないように見えるのです。

これは、Goが Unicode を完全にサポートしつつ、メモリ効率の良い UTF-8 エンコーディングを使用していることの結果です。