Go regexp.FindAllStringSubmatchIndex 怎么映射捕获组位置

在 Go 里，想把一段文本中的多个匹配直接转换成字段记录，regexp.FindAllStringSubmatchIndex 很合适。它不返回字符串，而是返回每次匹配的一组字节下标：m[0:1] 是整体匹配，m[2:3] 是第一个捕获组，后面依次类推。先记住这个布局，映射就不会再靠猜。

最稳妥的写法是按捕获组编号计算下标，再用 SubexpNames 补上字段名；读取前检查负下标，处理中文时始终把这些数字当作字节位置。

先看返回数组：每两个整数就是一个字节区间

官方文档对这个方法的定义很直接：它返回所有匹配以及子匹配的位置；每一行的 m 中，整体匹配是 s[m[0]:m[1]]，第一个子匹配是 s[m[2]:m[3]]。因此一行有多少个整数，取决于“整体匹配 + 捕获组”的数量。

例如模式 (?P[a-z]+)=(?P[0-9]+) 有两个捕获组，每行就有 6 个整数。n=-1 表示返回全部匹配；传入正数则最多返回对应数量。

把返回数组映射成捕获组记录

不要把 loc 当成“一个字段的两个位置”。它是一整行的扁平数组，第 group 组的起点是 loc[group*2]，终点是 loc[group*2+1]。下面的循环同时处理整体匹配、用户名和编号。

package main

import (
    "fmt"
    "regexp"
)

func main() {
    // 两个命名括号对应 submatch 1 和 submatch 2，组 0 始终是整体匹配。
    re := regexp.MustCompile(`(?P[a-z]+)=(?P[0-9]+)`)
    input := "用户alice=42 客户bob=7"
    locations := re.FindAllStringSubmatchIndex(input, -1)
    names := re.SubexpNames()

    for _, loc := range locations {
        // 每个组占 [start, end) 两个位置，先检查数组长度再读取。
        for group := 0; group*2+1 

这里 names[0] 通常为空，因为它代表整个表达式；names[1] 和 names[2] 才对应两个命名括号。即使正则没有命名组，也可以用 group_1 这样的编号作为稳定键。

处理未匹配分支与 UTF-8 文本的边界

可选分组是最容易出错的地方。例如 (?Phttps?://)?(?P[^/]+) 在没有协议头时，scheme 对应的两个下标会是负数。先判断 start ，再做 input[start:end]，不要用空字符串判断，因为“没匹配”和“匹配到了空文本”不是同一件事。

这些位置也是字节下标，不是 rune 下标。输入里有中文时，前面的中文会让后续数字变大，但切片仍然应该直接使用返回值；如果界面需要显示字符位置，可在切片后用 utf8.RuneCountInString(input[:start]) 转换，不能把字节位置直接当字符序号。

另外，FindAll... 返回的是连续的非重叠匹配。空匹配如果紧邻前一个匹配，还会被忽略。解析日志或键值串时，最好把这两个边界写进测试用例，而不是只测全是 ASCII 的正常输入。

上线前检查清单：先确认下标对象再处理结果

如果线上出现字段错位，先打印正则的 SubexpNames() 和一行原始 loc，确认括号顺序有没有改动；不要先改切片偏移。若新模式已经改变了组结构，回滚到旧模式并同时回滚字段映射，等测试覆盖可选组和中文后再重新发布。

常见问题

为什么不用 FindAllStringSubmatch？

需要文本内容时它更直观；需要延迟切片、保留原文位置或映射大文本字段时，Index 版本能少做一次字符串组织，也更容易记录精确区间。

loc 的长度为什么不是固定的 2？

每增加一个捕获括号就增加两个整数，所以长度是 2 * (NumSubexp() + 1)。模式动态变化时应按长度循环，不要写死数组下标。

返回的下标能直接用于 []rune 吗？

不能。它们针对原始字符串的字节切片；需要字符序号时，先按字节切出对应片段，再用 UTF-8 计数转换。