源代码表示

Source code representation 源代码表示

原文：https://go.dev/ref/spec#Source_code_representation

​ 源代码是以 UTF-8编码的Unicode文本。该文本未被规范化，因此单个重音码点与由重音和字母组合而成的相同字符是不同的；这些被视为两个码点。为了简单起见，本文将使用非限定术语字符来指代源文本中的Unicode码点。

​ 每个码点都是不同的；例如，大写字母和小写字母是不同的字符。

​ 实现限制：为了与其他工具兼容，编译器可能不允许源文本中出现NUL字符（U+0000）。

​ 实现限制：为了与其他工具兼容，编译器可以忽略UTF-8编码的字节顺序标记（U+FEFF），如果它是源文本中的第一个Unicode码点。字节顺序标记可能在源代码的其他任何地方被禁用。

Characters 字符

​ 以下术语用于表示特定的Unicode字符类别：

newline        = /* the Unicode code point U+000A */ .
unicode_char   = /* an arbitrary Unicode code point except newline */ .
unicode_letter = /* a Unicode code point categorized as "Letter" */ .
unicode_digit  = /* a Unicode code point categorized as "Number, decimal digit" */ .

​ 在 The Unicode Standard 8.0中，第4.5节 “General Category “定义了一组字符类别。Go将字母类别Lu、Ll、Lt、Lm或Lo中的所有字符视为Unicode字母，将数字类别Nd中的字符视为Unicode数字。

Letters and digits 字母和数字

​ 下划线字符_（U+005F）被视为小写字母。

letter        = unicode_letter | "_" .
decimal_digit = "0" … "9" .
binary_digit  = "0" | "1" .
octal_digit   = "0" … "7" .
hex_digit     = "0" … "9" | "A" … "F" | "a" … "f" .