17370845950

Go语言中string是UTF-8字节序列，需用[]rune处理字符操作；len()返回字节数，for range或[]rune可正确遍历Unicode字符；截取前N字符应使用string([]rune(s)[:N])。

Go 语言原生支持 UTF-8，字符串字面量默认就是 UTF-8 编码的字节序列，但“按字符操作”不能直接用 len() 或下标遍历，因为一个 Unicode 字符可能占多个字节。关键在于区分 字节（byte） 和 符文（rune）。

理解 string、[]byte 和 []rune 的区别

Go 中 string 是只读的 UTF-8 字节序列；[]byte 是可变的字节切片；[]rune 是 Unicode 码点（即逻辑字符）的切片。

• len("你好") 返回 6（UTF-8 占 3 字节/字符 × 2）
• len([]rune("你好")) 返回 2（两个 Unicode 字符）
• 直接 s[0] 拿到的是第一个字节（如 228），不是“你”这个字符

安全遍历 UTF-8 字符串

用 for range 遍历 string，自动按 rune 解码，返回索引（字节偏移）和 rune 值：

for i, r := range "Hello世界" {
    fmt.Printf("位置 %d: %U (%c)\n", i, r, r)
}
// 输出：位置 0: U+0048 (H) … 位置 5: U+4F60 (你) … 位置 8: U+754C (界)

若需反向遍历或随机访问第 n 个字符，先转成 []rune：

• runes := []rune(s)
• runes[2] 取第三个字符（rune 类型）
• 再转回 string：string(runes[2])

常用 UTF-8 相关操作

处理中文、emoji、带重音符号的字母等场景时注意：

• 截取前 N 个字符：用 string([]rune(s)[:N])，别用 s[:N]
• 判断是否包含中文/emoji：用 unicode.Is(unicode.Han, r) 或 unicode.Is(unicode.Symbols, r)
• 大小写转换：用 strings.ToTitle / strings.ToUpper（它们内部已按 rune 处理）
• 正则匹配中文：用 [\u4e00-\u9fff] 或 \p{Han}（需启用 Unicode 标志：regexp.Compile(`\p{Han}+`)）

避免常见坑

以下写法在含中文或 emoji 时会出错：

• s[0:2] —— 可能截断一个汉字（如“你好”前 2 字节是乱码）
• s[len(s)-1] —— 最后一个字节不等于最后一个字符
• strings.Split(s, "") —— 按字节切，不是按字符，结果错误
• 用 len() 判断“字符串长度”却不说明是字节数还是字符数

基本上就这些。记住：Go 的 string 是 UTF-8 字节流，要当“文本”用，就转 rune；要当“数据”用（如网络传输、文件存储），就按 byte 处理。