当前位置：首页 > 文章列表 > Golang > Go教程 > Go unicode/utf8.ValidString 怎么判断输入是否为合法 UTF-8

Go unicode/utf8.ValidString 怎么判断输入是否为合法 UTF-8

来源：17golang原创 2026-09-10 03:25:58 0浏览收藏

接口收到一段来自文件、消息队列或外部表单的文本时，最容易犯的错是把 string 当成“已经是合法 UTF-8”。Go 的字符串可以保存任意字节，真正需要判断的是这些字节能否完整解释成合法的 UTF-8 编码。最直接的入口是 utf8.ValidString(s)：返回 true 才接受为合法 UTF-8，返回 false 就拒绝、记录或转入清洗流程。

官方文档：https://pkg.go.dev/unicode/utf8

要点速览

ValidString 检查整个字符串，不负责告诉你坏字节的位置。
RuneError 既可能是合法字符，也可能是解码失败后的替代结果，不能单独作为判定条件。
需要定位问题时，按字节偏移调用 DecodeRuneInString，不要用字符下标切字符串。

先用 ValidString 把输入边界守住

下面这个入口适合放在 HTTP 请求、文件导入或消息消费的边界。示例故意构造了一段包含 0xff 的字符串：它仍然是合法的 Go string，但不是合法 UTF-8。

package main

import (
    "fmt"
    "unicode/utf8"
)

func acceptText(s string) error {
    // string 可以保存任意字节，所以先做整段 UTF-8 校验。
    if !utf8.ValidString(s) {
        return fmt.Errorf("输入不是合法 UTF-8")
    }
    // 校验通过后，后续的按 rune 处理才有稳定前提。
    return nil
}

func main() {
    valid := "订单-α"
    invalid := string([]byte{'o', 'k', 0xff})

    fmt.Println(acceptText(valid))
    fmt.Println(acceptText(invalid))
}

Go utf8.ValidString 在输入边界区分合法 UTF-8 字符串与非法字节字符串的静态关系图 — 图1：把 string 输入送入 utf8.ValidString，合法 UTF-8 才进入后续的 rune 处理边界。

这里的校验是“全量判断”：空字符串会返回 true，ASCII 也属于合法 UTF-8；只要任意一个字节序列违反 UTF-8 编码规则，整体结果就是 false。如果输入来自不可信边界，尽早拒绝通常比让非法字节流进入模板、日志或下游序列化器更容易维护。

不要把 RuneError 和非法 UTF-8 混为一谈

utf8.RuneError 是 Unicode 替换字符，它本身可以合法地编码为 UTF-8。另一方面，解码非法字节时，DecodeRuneInString 也会返回它，并把宽度报告为 1。因此“遍历结果里出现了 RuneError”只能说明需要进一步判断，不能直接等价于原始输入非法。

还有一个经常混淆的边界：len(s) 统计字节数，utf8.RuneCountInString(s) 统计 rune 数。中文、表情和组合字符都会让两者不同；校验 UTF-8 与计算展示长度是两个独立问题。

目标	函数	返回值含义
整段是否合法	`utf8.ValidString`	全部合法为 true
统计原始占用	`len(s)`	字节数
统计解码单元	`utf8.RuneCountInString`	rune 数，非法编码按错误 rune 处理

需要报错位置时按字节偏移定位

ValidString 只给出布尔值。文件导入或消息审计需要知道坏数据从哪里开始时，可以逐段解码，并维护字节偏移。重点是每次用返回的 size 前进，而不是按 rune 下标截取。

package main

import (
    "fmt"
    "unicode/utf8"
)

func firstInvalidByte(s string) (int, bool) {
    // offset 始终是原字符串的字节偏移，便于日志和原始文件定位。
    for offset := 0; offset