如何在 Go 中使用 unicode/utf8 正确处理多字节字符

老枫小哥_4903

老枫小哥_4903

2026-05-27

700人浏览

原创

len() 返回字节数而非字符数,因 Go 字符串底层是 UTF-8 字节序列;中文、emoji 等多字节字符导致 len("你好")=6 而非 2,需用 utf8.RuneCountInString 等函数处理 Unicode 码点。

如何在 go 中使用 unicode/utf8 正确处理多字节字符

为什么 len() 返回的不是字符个数

Go 字符串底层是字节序列,len() 返回的是字节数,不是 Unicode 码点数。对中文、emoji 等多字节字符调用 len("你好") 得到 6(UTF-8 编码下每个汉字占 3 字节),而非 2。直接用 len() 或按字节索引会切碎字符,导致乱码或 panic。

正确做法是使用 unicode/utf8 包提供的函数:

  • utf8.RuneCountInString(s):返回字符串中 Unicode 码点(即“字符”)数量
  • utf8.DecodeRuneInString(s):安全解码首字符,返回码点和字节长度
  • utf8.EncodeRune(buf, r):将码点编码为 UTF-8 字节写入 []byte

遍历字符串时别用 for i := range s 的下标做切片

这种循环的 i 是字节偏移量,不是字符位置。若用 s[i:i+1] 取子串,遇到多字节字符会截断,产生非法 UTF-8 序列,后续 fmt.Println 可能输出 。

安全遍历方式只有两种:

  • 用 for _, r := range s —— r 是 rune 类型,自动按码点解码
  • 手动用 utf8.DecodeRuneInString() 迭代,适合需要字节位置的场景

例如获取第 3 个字符(码点):

func charAt(s string, index int) (rune, bool) {
    for i, r := range s {
        if i == index {
            return r, true
        }
    }
    return 0, false
}

strings.IndexRune() 和 strings.LastIndexRune() 才是找字符位置的正确工具

想查某个汉字在字符串中的“第几个字符”,不能用 strings.Index() —— 它按字节匹配,对多字节字符可能错位或漏匹配。

strings.IndexRune(s, '好') 返回的是码点序号(从 0 开始),不是字节偏移。它内部调用 utf8.DecodeRuneInString 逐个比对,结果可直接用于 for _, r := range 循环的索引。

Golang Uber Dig
Golang Uber Dig

使用 uber-go/dig 在 Golang 中实现依赖注入——基于反射容器,提供 Provide/Invoke、dig.In/dig.Out 参数与结果对象,支持命名依赖等

下载

注意:strings.Index() 在搜索单字符字符串(如 "好")时看似能用,但一旦目标含代理对(如某些 emoji),就不可靠;IndexRune() 始终以 rune 为单位,更健壮。

拼接或截取前务必确认操作单位是 rune 而非 byte

常见错误:用 s[:10] 截取前 10 字节,结果可能在某个汉字中间切断,造成后续解析失败。正确做法是先转成 []rune,再切:

rs := []rune(s)
if len(rs) > 10 {
    s = string(rs[:10])
}

但要注意性能:转 []rune 是 O(n) 拷贝,高频操作应避免;若只需长度判断或单次截取,优先用 utf8.RuneCountInString() + utf8.DecodeRuneInString() 手动解码。

另外,strings.Builder 写入 rune 时要先转 string 或用 WriteRune() 方法,直接 WriteByte() 会破坏 UTF-8 结构。

最易被忽略的一点:标准库多数 strings 函数(如 Replace、Split)本身是 UTF-8 安全的,因为它们不关心语义,只做字节匹配 —— 但前提是你的“分隔符”和“目标”也是合法 UTF-8 字符串。真正危险的是所有涉及“第 N 个位置”“截前 N 个字符”“按字节索引修改”的操作,这些必须显式过一遍 unicode/utf8 或 rune 转换。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

golang go语言 字节

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
C语言变量命名
C语言变量命名

c语言变量名规则是:1、变量名以英文字母开头;2、变量名中的字母是区分大小写的;3、变量名不能是关键字;4、变量名中不能包含空格、标点符号和类型说明符。php中文网还提供c语言变量的相关下载、相关课程等内容,供大家免费下载使用。

2023.06.20

3409

3

c语言入门自学零基础
c语言入门自学零基础

C语言是当代人学习及生活中的必备基础知识,应用十分广泛,本专题为大家c语言入门自学零基础的相关文章,以及相关课程,感兴趣的朋友千万不要错过了。

2023.07.25

2388

9

c语言运算符的优先级顺序
c语言运算符的优先级顺序

c语言运算符的优先级顺序是括号运算符 > 一元运算符 > 算术运算符 > 移位运算符 > 关系运算符 > 位运算符 > 逻辑运算符 > 赋值运算符 > 逗号运算符。本专题为大家提供c语言运算符相关的各种文章、以及下载和课程。

2023.08.02

1320

5

c语言数据结构
c语言数据结构

数据结构是指将数据按照一定的方式组织和存储的方法。它是计算机科学中的重要概念,用来描述和解决实际问题中的数据组织和处理问题。数据结构可以分为线性结构和非线性结构。线性结构包括数组、链表、堆栈和队列等,而非线性结构包括树和图等。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.09

1258

4

c语言random函数用法
c语言random函数用法

c语言random函数用法:1、random.random,随机生成(0,1)之间的浮点数;2、random.randint,随机生成在范围之内的整数,两个参数分别表示上限和下限;3、random.randrange,在指定范围内,按指定基数递增的集合中获得一个随机数;4、random.choice,从序列中随机抽选一个数;5、random.shuffle,随机排序。

2023.09.05

1396

5

c语言const用法
c语言const用法

const是关键字,可以用于声明常量、函数参数中的const修饰符、const修饰函数返回值、const修饰指针。详细介绍:1、声明常量,const关键字可用于声明常量,常量的值在程序运行期间不可修改,常量可以是基本数据类型,如整数、浮点数、字符等,也可是自定义的数据类型;2、函数参数中的const修饰符,const关键字可用于函数的参数中,表示该参数在函数内部不可修改等等。

2023.09.20

2278

7

c语言get函数的用法
c语言get函数的用法

get函数是一个用于从输入流中获取字符的函数。可以从键盘、文件或其他输入设备中读取字符,并将其存储在指定的变量中。本文介绍了get函数的用法以及一些相关的注意事项。希望这篇文章能够帮助你更好地理解和使用get函数 。

2023.09.20

3700

8

c数组初始化的方法
c数组初始化的方法

c语言数组初始化的方法有直接赋值法、不完全初始化法、省略数组长度法和二维数组初始化法。详细介绍:1、直接赋值法,这种方法可以直接将数组的值进行初始化;2、不完全初始化法,。这种方法可以在一定程度上节省内存空间;3、省略数组长度法,这种方法可以让编译器自动计算数组的长度;4、二维数组初始化法等等。

2023.09.22

17155

6

c语言中null和NULL的区别
c语言中null和NULL的区别

c语言中null和NULL的区别是:null是C语言中的一个宏定义,通常用来表示一个空指针,可以用于初始化指针变量,或者在条件语句中判断指针是否为空;NULL是C语言中的一个预定义常量,通常用来表示一个空值,用于表示一个空的指针、空的指针数组或者空的结构体指针。

2023.09.22

549

3

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程