Go unicode/utf8.RuneCountInString 怎么判断字符数：字节长度、中文文本与截断边界

接口返回“最多 4 个字符”时，直接写 s[:4] 很容易把中文或 emoji 切成半个 UTF-8 序列。Go 的 len 统计的是字节，unicode/utf8.RuneCountInString 统计的是 UTF-8 解码后的 rune 数；两者回答的不是同一个问题。

先看一个字符串为什么会有三种长度

同一段 Go语言🚀，字节长度、rune 数和用户眼中的“字符”可能不同。下面的程序故意把这三个概念放在同一行输出，先别急着改业务代码，看看实际结果。

text := "Go语言🚀"
fmt.Printf("bytes=%d runes=%d range=%d valid=%t\n",
    len(text), utf8.RuneCountInString(text), countRange(text), utf8.ValidString(text))

运行结果中，ASCII 字母占 1 个字节，中文通常占 3 个字节，emoji 可能占 4 个字节。因此 len 会随编码字节数增长，而 RuneCountInString 只按解码出的 rune 计数。官方文档也把它定义为 string 版本的 RuneCount。

RuneCountInString 和 range 到底该信谁

如果只是判断“是否超过 20 个 rune”，直接调用 utf8.RuneCountInString 最清楚；如果还要逐个检查字符、过滤或拼接，range 更自然。两者都按 UTF-8 解码规则前进，并不等同于用户感知的字素簇数量。

按字符截断时，边界要落在 rune 起点

安全截断的关键不是把字符串转成 []rune 后永远复制一份，而是沿着 range 提供的字节下标切片。示例中的 truncateRunes 在达到上限时使用当前 rune 的起始位置，因此不会把中文或 emoji 拆开。

func truncateRunes(s string, limit int) string {
    if limit 

这里的“字符数”仍然是 rune 数。像组合音标或某些旗帜 emoji，可能由多个 rune 组成一个用户感知字符；需要按字素簇截断时，应选择专门的 Unicode 文本处理库，而不是把 RuneCountInString 当成 UI 字符数。

非法 UTF-8 要不要先拦截

RuneCountInString 不会替你完成输入合法性校验。对于非法或不完整编码，UTF-8 解码会用 RuneError 处理并按一个字节前进，所以“计数成功”不代表内容适合入库。网络边界、文件读取和用户提交的文本，建议先判断 utf8.ValidString，再决定拒绝、替换还是记录。

if !utf8.ValidString(input) {
    return fmt.Errorf("input is not valid UTF-8")
}

常见问题

len(string) 能不能直接当中文长度？

不能。它返回 UTF-8 字节数；中文、emoji 等多字节内容会让结果大于 rune 数。

RuneCountInString 会统计用户看到的 emoji 数吗？

它统计 rune，不保证等于字素簇数量。复杂 emoji 或组合字符要用字素簇规则处理。

直接 s[:limit] 为什么可能出现乱码？

limit 可能落在多字节 rune 的中间，切片后形成非法 UTF-8；应按 range 的字节起点截断。

非法 UTF-8 的 RuneCountInString 会报错吗？

不会返回错误；它会按解码规则计数。需要严格输入时，另行调用 utf8.ValidString。

把长度口径写进接口契约

如果字段限制按字节，接口文档就写清楚字节上限；如果按 rune，使用 RuneCountInString 并补上非法 UTF-8 策略；如果按用户看到的字符，则需要明确字素簇规则。把这三个口径分开，通常比在校验失败后猜“Go 的字符串长度为什么不对”更省时间。