Go unicode/utf8 怎么读取编码字节

Go 里读取“一个字符”前，先确认你要读的是字节还是 UTF-8 字符。string 本质上是不可变的字节序列，s[i] 取到一个 byte；如果要按 Unicode 字符读取，应使用 range 或 unicode/utf8 的解码函数。对需要精确控制偏移量的代码，最直接的做法是调用 utf8.DecodeRuneInString，它会同时给出当前 rune 和占用的字节数。

分清 string 字节、rune 和 UTF-8 字节宽度

ASCII 字符通常占 1 个 UTF-8 字节，中文、表情等字符可能占多个字节。因此下面三个量不能混用：

例如 "Go猫" 的字节数和 rune 数不同。这里不要用 len(s) 判断用户看到的字符数量，也不要把一个中文字符的首字节单独转换成字符串。

用 DecodeRuneInString 读取一个字符及其字节数

当你需要自己维护读取位置时，使用 DecodeRuneInString 比猜测字符宽度可靠。它从字符串的当前位置开始解码，返回当前 rune 和该 rune 占用的字节数。循环结束条件是 offset 到达 len(s)。

package main

import (
    "fmt"
    "unicode/utf8"
)

func main() {
    s := "Go猫"
    for offset := 0; offset 

这个示例的关键不是打印格式，而是 offset += size。读到 猫 时，下一次位置要跨过它的完整 UTF-8 字节序列；如果只加 1，就会从多字节字符的中间继续读，结果会变成错误的解码。

按任务选择 range、[]byte 或 DecodeRuneInString

只想逐个处理字符时，range 最简洁，它会按 UTF-8 解码并同时提供字节索引：

for byteIndex, r := range s {
    // byteIndex 是字符起始字节位置，不是第几个字符。
    fmt.Printf("byteIndex=%d rune=%q\n", byteIndex, r)
}

需要查看原始编码时再转成 []byte，例如检查首字节、计算协议字段或把数据交给只接受字节的 API。需要控制 offset、记录每次解码的 size，或者在流式拼接后判断边界时，使用 DecodeRuneInString 更合适。三种方式没有谁“更快就一定更好”，先按结果类型选。

用 ValidString 和 RuneError 处理异常输入

Go 的字符串可以容纳任意字节，并不自动保证它们是合法 UTF-8。外部文件、网络报文或错误的编码转换都可能带来坏字节。进入按字符处理的业务逻辑前，可以先做整体判断：

if !utf8.ValidString(s) {
    // 非法 UTF-8 先拒绝、替换或记录，策略由业务协议决定。
    return fmt.Errorf("input is not valid UTF-8")
}

如果直接解码，DecodeRuneInString 对空字符串返回零值；遇到编码错误时会返回 RuneError，并用 size 表示应跳过的坏字节范围。不要只判断 rune 等于 RuneError 就断定输入非法，因为合法文本也可能真的包含 U+FFFD。要区分这两种情况，应结合 size 或先调用 ValidString。

相关问题

为什么 len("猫") 不是 1？

因为 len 统计字节，而 UTF-8 中一个中文字符通常由多个字节组成。按 rune 计数应使用 utf8.RuneCountInString 或 range。

range 的索引为什么会跳跃？

索引表示当前 rune 的起始字节位置，多字节字符被一次解码后，下一个索引自然会跨过多个字节。

什么时候应该先转成 []rune？

只有在确实需要按 rune 下标随机访问或修改字符集合时再转；它会创建新的 rune 切片。只读遍历通常直接使用 range 即可。