Go 字符串按下标取值为什么得到字节而不是字符

如果把中文字符串当成“字符数组”来理解，s[i] 的结果就会显得反常。Go 的 string 实际上是只读的字节序列，下标访问遵循字节偏移；只有 for range 或显式 UTF-8 解码，才会把连续字节解释成 rune。所以，处理协议、哈希或 ASCII 标识时可以看字节，处理中文、表情等文本时则应按 rune 读取，不能把二者混用。

为什么 s[i] 取到的是字节

Go 语言规范把字符串索引定义为取出一个字节，返回类型是 byte（也就是 uint8）。字符串可以保存任意字节，并不强制要求内容一定是合法 UTF-8；只是普通字符串字面量通常由 UTF-8 源码构成，因此中文看起来像“一个字符”，底层却仍然是多个字节。

package main

import "fmt"

func main() {
    s := "Go你"

    // len 统计字节数量；下标读取也只取一个字节。
    fmt.Println(len(s)) // 5
    for i := 0; i 

这里的 G 和 o 各占一个字节，“你”在 UTF-8 中占三个字节，因此长度是 5。若把 s[2] 直接转成字符串，得到的只是一个不完整的 UTF-8 片段，不能当成中文字符使用。

range 和 utf8 解码如何跨过中文边界

range 是面向 UTF-8 文本的便捷入口。它每次解码一个 rune，但返回的索引是该 rune 在原字符串中的字节起始位置，所以中文出现后，索引可能从 2 直接跳到 5，而不是每次加 1。

package main

import "fmt"

func main() {
    s := "Go你"

    // index 是字节偏移，r 是当前 UTF-8 序列解码出的 rune。
    for index, r := range s {
        fmt.Printf("byteIndex=%d rune=%U text=%q\n", index, r, r)
    }
}

如果需要知道当前 rune 占了多少字节，可以使用 utf8.DecodeRuneInString，它同时返回 rune 和 width。遇到非法 UTF-8 时，解码器会返回 utf8.RuneError 及对应宽度；这正适合在输入边界做明确的校验和记录。

按任务选择字节、rune 还是显式解码

package main

import (
    "fmt"
    "unicode/utf8"
)

func main() {
    s := "Go你"

    // []rune 适合按 Unicode code point 修改，但会产生一份新序列。
    runes := []rune(s)
    runes[2] = '好'
    fmt.Println(string(runes))

    // 显式解码可同时拿到 rune、宽度和异常分支。
    r, width := utf8.DecodeRuneInString(s[2:])
    fmt.Printf("rune=%U width=%d valid=%t\n", r, width, r != utf8.RuneError)
}

上例只适合说明边界：生产代码不要用“rune 不等于 RuneError”作为唯一合法性判断，因为合法文本本身也可能包含 U+FFFD。需要严格校验时，应先使用 utf8.ValidString，再决定是拒绝、替换还是记录输入。

别把 rune 当成完整的“用户看到的字符”

rune 对应 Unicode code point，不一定等于一个用户感知的字形。例如带组合音标的文字可能由多个 code point 组成，某些 emoji 也可能由多个 code point 组合。若产品需求是“限制用户看到的字符数”或“按视觉字符截断”，仅转换成 []rune 仍可能不够，需要采用专门的 grapheme cluster 处理策略。

可以把输入边界分成三层来审计：第一层检查是否为合法 UTF-8；第二层决定业务按字节还是按 rune；第三层再确认 UI 截断是否需要用户感知字符。这样既不会把恶意或损坏的字节当成正常文本，也不会因为错误的下标语义截断多字节序列。

常见问题

为什么 len("你好") 不是 2？

因为 len 返回字符串的字节数。两个汉字在常见 UTF-8 表示中各占 3 个字节，结果通常是 6；需要 rune 数量时可用 utf8.RuneCountInString。

用 string(s[i]) 能把字节变回字符吗？

不能保证。它只把单个字节转换成字符串；多字节字符必须从完整的 UTF-8 序列解码，直接截取中间字节会得到无效文本。

range 的 index 是字符下标吗？

不是。它是当前 rune 在原字符串中的字节起始位置；第二个返回值才是 rune。需要按可见文本位置处理时，先明确业务边界，再选择 rune 或 grapheme 方案。

排查这类问题时，先打印字节十六进制，再用 range 对照 rune 和起始位置，最后确认业务到底需要原始字节、Unicode code point，还是用户感知字符。只要这三层边界不混淆，Go 字符串下标的行为就是可预测的。