我最近一直在探索 Go 的 UTF-8 支持，並且很好奇它在程式碼中處理非拉丁腳本的效果如何。

使用 UTF-8

Go 原始檔預(yù)設(shè)採(cǎi)用 UTF-8 編碼。這意味著理論上您可以在變數(shù)名稱、函數(shù)名稱等中使用 Unicode 字元。

例如，在官方的 Go Playground 樣板程式碼中，你可能會(huì)遇到這樣的程式碼：

package main

import "fmt"

func main() {
    消息 := "Hello, World!"
    fmt.Println(消息)
}

這裡的「訊息」是中文「訊息」的意思。由於其 Unicode 支持，Go 可以毫無問題地處理這個(gè)問題。這種功能是 Go 在中國(guó)和日本等國(guó)家流行的原因之一——開發(fā)人員可以使用對(duì)自己語(yǔ)言有意義的識(shí)別碼來編寫程式碼。你可能不會(huì)相信，但用母語(yǔ)編寫程式碼在中國(guó)非常受歡迎，我喜歡它。

---

嘗試使用泰米爾語(yǔ)識(shí)別碼

當(dāng)然，我想用我的母語(yǔ)泰米爾語(yǔ)試試看。

這是我寫的一個(gè)簡(jiǎn)單範(fàn)例：

package main

import "fmt"

func main() {
    ????????? := 42 // "?????????" means "number"
    fmt.Println("Value:", ?????????)
}

乍一看，這似乎很簡(jiǎn)單，可以運(yùn)行而不會(huì)出現(xiàn)任何錯(cuò)誤。

但是，當(dāng)我嘗試編譯程式碼時(shí)，我遇到了錯(cuò)誤

./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

了解泰米爾語(yǔ)組合標(biāo)記的問題

要了解正在發(fā)生的事情，有必要了解一些泰米爾語(yǔ)腳本的工作原理。

泰米爾語(yǔ)是一種abugida——一種將每個(gè)輔音-元音序列寫成一個(gè)單元的書寫系統(tǒng)。在 Unicode 中，這通常涉及將基本輔音字元與表示元音或其他修飾符的一個(gè)或多個(gè)組合標(biāo)記組合起來。

例如：

• 泰米爾語(yǔ)字母? (U 0B95) 代表子音「ka」

• 要表示“ki”，您可以將 ? 與元音符號(hào) ? (U 0BBF) 組合起來，得到 ??。

• 元音符號(hào) ? 是一個(gè)組合標(biāo)記，在 Unicode 中被明確歸類為「非空格標(biāo)記」。

這就是問題出現(xiàn)的地方。

Go 的語(yǔ)言規(guī)範(fàn)允許在識(shí)別符中使用 Unicode 字母，但排除組合標(biāo)記。具體來說，識(shí)別碼可以包含分類為「字母」的字元（類別 Lu、Ll、Lt、Lm、Lo 或 Nl）和數(shù)字，但不能包含組合標(biāo)記（類別 Mn、Mc、Me）。

---

泰米爾語(yǔ)組合標(biāo)記範(fàn)例

讓我們看看泰米爾語(yǔ)字符是如何形成的：

• 獨(dú)立輔音：? (U 0B95) - Go 識(shí)別碼中允許使用。

• 子音元音符號(hào)：?? (U 0B95 U 0BBE) - 不允許，因?yàn)? (U 0BBE) 是組合標(biāo)記 (Mc)。

• 輔音元音符號(hào)：?? (U 0B95 U 0BBF) - 不允許，因?yàn)? (U 0BBF) 是組合標(biāo)記 (Mn)。

• 子音元音符號(hào)：?? (U 0B95 U 0BC2) - 不允許，因?yàn)? (U 0BC2) 是組合標(biāo)記 (Mc)。

標(biāo)識(shí)符?????????（「數(shù)字」）中，字元包含組合標(biāo)記：

• ? (U 0B8E) - 信，允許。

• ?? (U 0BA3 U 0BCD) - 由? (U 0BA3) 和 virama ? (U 0BCD) 組成，組合標(biāo)記 (Mn)。

• ? (U 0BA3) - 信，允許。

• ????? - 包含組合標(biāo)記，如 ? (U 0BBF) 和 ? (U 0BC8)。

由於 Go 標(biāo)識(shí)符中不允許使用這些組合標(biāo)記，因此編譯器在遇到它們時(shí)會(huì)拋出錯(cuò)誤。

---

為什麼漢字可以用而泰米爾語(yǔ)不行

漢字在 Unicode 中通常被歸類為「字母、其他」(Lo) 類別。它們是獨(dú)立的符號(hào)，不需要組合標(biāo)記來形成完整的字元。這就是為什麼像訊息這樣的標(biāo)識(shí)符在 Go 中完美運(yùn)作的原因。

實(shí)際意義

無法在識(shí)別符中使用組合標(biāo)記對(duì)於泰米爾語(yǔ)等腳本具有重大影響：

• 表達(dá)能力有限：如果不組合標(biāo)記，幾乎不可能用泰米爾語(yǔ)寫有意義的識(shí)別字。

• 教育障礙：使用本機(jī)腳本可以使學(xué)習(xí)編碼變得更容易，但這些限制阻礙了這種可能性，特別是對(duì)於遵循基於 abugida 的書寫系統(tǒng)的語(yǔ)言。

• 包容性挑戰(zhàn)：雖然 Go 的目標(biāo)是透過 UTF-8 支援實(shí)現(xiàn)包容性，但組合標(biāo)記的限制排除了許多依賴它們的語(yǔ)言。

總結(jié)

Go 的 UTF-8 支援是朝著使程式設(shè)計(jì)更具包容性邁出的一大步。然而，在標(biāo)識(shí)符中排除組合標(biāo)記對(duì)泰米爾語(yǔ)、印地語(yǔ)和阿拉伯語(yǔ)等語(yǔ)言造成了障礙，在這些語(yǔ)言中，組合標(biāo)記是腳本的組成部分。

作為一名來自泰米爾納德邦、主要從事 Go 工作的開發(fā)人員，這個(gè)發(fā)現(xiàn)既令人興奮又有點(diǎn)令人失望。它強(qiáng)調(diào)了程式語(yǔ)言真正國(guó)際化的複雜性。

誰(shuí)用母語(yǔ)編碼來建立軟體產(chǎn)品！ ？ ！ ！ ！ ！

絕對(duì)！與東亞地區(qū)不同，那裡不遵循基於“abugida”的書寫系統(tǒng)。

而且，顯然，Go 的創(chuàng)建者一開始就不會(huì)打算將 UTF-8 合規(guī)性用於「本地語(yǔ)言編碼」。原因更多是為了提供更好的 ASCII 處理、與現(xiàn)代 Web 標(biāo)準(zhǔn)保持一致、一致的字串處理以及邁向互通性的一步。

這次嘗試只是我的好奇心，想了解我們能在 Go 中實(shí)現(xiàn) UTF-8 合規(guī)性到什麼程度。作為一個(gè)致力於用 Go 建立可擴(kuò)展的分散式金融科技系統(tǒng)的人，我發(fā)現(xiàn)了解這些細(xì)微差別至關(guān)重要。

---

就是這樣。感謝您的閱讀。

快樂編碼:)願(yuàn)程式碼與你同在。

以上是Go 的 UTF 支援：一個(gè)有趣的限制的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！