Go 中文字符串怎么按字符截取而不产生乱码

在 Go 里，中文字符串截取乱码，通常不是编码“突然变了”，而是把字符当成了字节。string[i:j] 的下标按 UTF-8 字节偏移计算，中文一个字符往往占 3 个字节，边界落在中间就会留下不完整编码。需要按字符截取时，先转成 []rune；如果只想遍历或计数，则使用 range 和 utf8.RuneCountInString。

为什么按字节截取会把中文切坏

Go 的字符串是只读字节序列，源码和网络文本通常以 UTF-8 表示。ASCII 字符占 1 个字节，而常见中文通常占 3 个字节，所以这段代码按下标取前 4 个字节时，可能正好截断第二个中文字符：

package main

import "fmt"

func main() {
	text := "Go语言"
	// 下标表示字节偏移，不表示第几个中文字符。
	broken := text[:4]
	fmt.Printf("%q\\n", broken)
}

这里的 4 不是“取 4 个字符”，而是“取前 4 个 UTF-8 字节”。判断长度时要把两个概念分开：

用 []rune 按字符截取

最直接的写法是把字符串转换为 rune 切片，再按切片下标截取。转换会把 UTF-8 字节解码成 Unicode code point，因此切片边界不会落在一个完整 rune 的中间。

package main

import "fmt"

// TakeRunes 返回前 n 个 rune；n 小于 0 时按空字符串处理。
func TakeRunes(text string, n int) string {
	if n  len(runes) {
		n = len(runes)
	}
	return string(runes[:n])
}

func main() {
	// 截取单位是 rune，不会切断“语言”中的某个 UTF-8 编码。
	fmt.Println(TakeRunes("Go语言", 4))
}

边界处理有两个重点：n 直接返回空串，避免负数切片触发 panic；n > len(runes) 收敛到实际长度，避免越界。代价是需要一份 rune 切片，长文本或高频调用时会产生额外内存和解码成本。

如果只是从头读取前 n 个 rune，不需要随机访问，可以用 range 在一次遍历中记录字节边界：

// PrefixRunes 在原字符串上找到第 n 个 rune 的字节结束位置。
func PrefixRunes(text string, n int) string {
	if n 

混合文本与非法 UTF-8 该怎么处理

range 遍历字符串时，每次给出一个字节位置和解码后的 rune；对非法或不完整的 UTF-8 编码，解码结果会使用 utf8.RuneError，并按一个字节向前推进。utf8.RuneCountInString 也会把错误或短编码按一个 rune 计数。

如果数据来自文件、HTTP 请求或消息队列，先决定是否接受替换字符。需要拒绝脏数据时，可以显式检查：

import "unicode/utf8"

// ValidText 只接受完整的 UTF-8 字符串。
func ValidText(text string) bool {
	return utf8.ValidString(text)
}

这一步只能说明编码序列是否合法，不能判断文本是否适合界面显示。比如一个 emoji 可能由多个 code point 组成，带组合音标的字母也可能由多个 code point 组成。若需求是“用户看到的一个字符”，要使用支持 Unicode grapheme cluster 的分段方案，而不是简单把 rune 数当作视觉字符数。

按字符和按字节的选型检查

不要为了“避免乱码”把所有字符串都转成 []rune。展示文本、标题和摘要通常按 rune 截取；协议字段、文件切片和容量限制通常按字节，但必须在协议允许的位置截断，并不能随意从 UTF-8 中间切开。

常见问题

Go 中 rune 和字符是同一个概念吗？

rune 是 Go 对 Unicode code point 的别名；它比字节更接近“字符”，但不一定等于用户眼中的一个完整可见字符。

为什么 len("中") 不是 1？

len 返回 UTF-8 字节数，中文通常占 3 个字节；需要 rune 数时使用 utf8.RuneCountInString。

只截取英文时还需要转 rune 吗？

如果输入已经明确限定为 ASCII，按字节截取和按字符截取结果一致；一旦输入可能包含中文、emoji 或其他 Unicode 文本，就应明确使用 rune 语义。

相关 API 可在 Go 官方的 unicode/utf8 文档中继续查阅，重点关注 RuneCountInString、ValidString 和解码函数的返回语义。