Go 原生以 UTF-8 编码处理字符串，C 传入的 *C.char 经 C.GoString 转换后即为合法 UTF-8 字符串，可直接使用 unicode/utf8 等标准包进行 Unicode 意义上的操作，无需额外解码。
go 原生以 utf-8 编码处理字符串，c 传入的 `*c.char` 经 `c.gostring` 转换后即为合法 utf-8 字符串，可直接使用 `unicode/utf8` 等标准包进行 unicode 意义上的操作，无需额外解码。
在 Go 与 C 通过 c-shared 模式交互（如 go build -buildmode=c-shared）时，C 层传入的字符串指针（*C.char）需转换为 Go 字符串。许多开发者初接触时会误以为需要“手动解码 UTF-8”，但事实恰恰相反：只要 C 端传入的是合法 UTF-8 字节序列，C.GoString 的结果就是 Go 原生、安全、可直接用于 Unicode 操作的字符串。
这是因为 Go 的 string 类型在底层存储的就是 UTF-8 编码的字节序列，且运行时保证其有效性（即不会出现非法 UTF-8 序列）。C.GoString 函数内部会复制 C 字符串直到遇到 \0，并将其字节内容原样解释为 UTF-8 —— 这正是你所需的行为。
✅ 正确做法示例：
//export levenshtein
func levenshtein(s1in, s2in *C.char) C.int {
s1 := C.GoString(s1in) // 自动获得 UTF-8 安全的 Go 字符串
s2 := C.GoString(s2in)
// 可直接按 Unicode 字符（rune）操作
runeCount1 := utf8.RuneCountInString(s1)
runeCount2 := utf8.RuneCountInString(s2)
// 注意：len(s1) 返回字节数，不是字符数！
byteLen := len(s1) // e.g., "你好" → 6 bytes
runeLen := runeCount1 // e.g., "你好" → 2 runes
// 后续可调用 strings.ToValidUTF8、range 遍历 rune 等
for i, r := range s1 {
fmt.Printf("position %d: rune %U (%c)\n", i, r, r)
}
return C.int(computeLevenshtein(s1, s2))
}
⚠️ 关键注意事项：
- C 端责任前置：Go 不校验输入合法性。若 C 传入非 UTF-8 数据（如 GBK、ISO-8859-1），C.GoString 仍会返回一个 string，但其中可能包含非法 UTF-8 序列 —— 此时 range、utf8.* 函数行为符合规范（如跳过非法字节），但语义已失真。务必确保 C 层以 UTF-8 编码构造字符串。
- 避免 len() 误用：len(s) 返回字节数，对中文、emoji 等多字节字符不等于“字符个数”。应使用 utf8.RuneCountInString(s) 或 utf8.DecodeRuneInString 系列函数进行 Unicode 意义下的长度计算与遍历。
- 无需导入额外包解码：unicode/utf8 是标准库辅助工具包，用于分析和操作 UTF-8 字节流，不是解码器。Go 字符串本身已是 UTF-8，不存在“从某种编码转 UTF-8”的步骤。
- 零拷贝优化（进阶）：若性能敏感且确定 C 字符串生命周期可控，可用 C.GoStringN(s, n) 配合 C.strlen 避免重复扫描；或通过 unsafe.Slice + string(unsafe.String(...)) 实现零拷贝（需严格管理内存生命周期，不推荐新手使用）。
总结：Go 与 C 交互中 UTF-8 字符串处理的核心原则是——信任 C.GoString，聚焦 Unicode 语义编程，把编码责任明确交给 C 端保证输入合规。这既是 Go 设计的简洁性体现，也是高效互操作的基础。
