Go 正则怎样返回每次匹配的字节区间

我在做文本高亮时，真正需要的通常不是“匹配到了什么字符串”，而是它在原文中的起止位置。Go 的 regexp.Regexp.FindAllIndex 正好返回这个信息：结果中的每一项都是 [start, end)，两个数字对应原始字节切片的起点和终点，end 不包含在区间内。

FindAllIndex 返回的两个数字分别代表什么

官方 regexp 文档把它定义为“返回所有匹配的位置”。对于每个匹配，m[0] 是起点，m[1] 是终点，匹配内容就是 data[m[0]:m[1]]。它不是字符编号，也不是正则分组编号，而是针对 []byte 的半开区间。

下面的示例刻意放入中文，方便看出“字节区间”这个边界：

package main

import (
	"fmt"
	"regexp"
)

func main() {
	data := []byte("Go中文 Go")
	re := regexp.MustCompile(`Go|中文`)

	// -1 表示收集全部匹配；每个 loc 都是 [起点, 终点) 的字节区间。
	for _, loc := range re.FindAllIndex(data, -1) {
		// 终点不包含在切片中，因此可以直接取回当前匹配。
		fmt.Printf("区间=%v 内容=%q\n", loc, data[loc[0]:loc[1]])
	}
}

如果把输出理解为字符位置，第二项就容易算错：Go 占 2 个字节，中文 在 UTF-8 中占 6 个字节，所以后面的起点会按字节累加。

用 n 控制匹配数量并切回原始内容

n 是一个很实用的边界参数。传入 1 只取第一项，传入 0 不返回任何匹配，传入负数则取全部。这样可以在只需要首个命中时避免遍历完整结果，也可以把区间直接交给高亮、替换或分段逻辑。

package main

import (
	"fmt"
	"regexp"
)

func main() {
	data := []byte("id=17; id=23; id=41")
	re := regexp.MustCompile(`id=\d+`)

	// 只取前两个匹配，避免把后续结果带入本次处理。
	locs := re.FindAllIndex(data, 2)
	for _, loc := range locs {
		// loc[1] 是排他终点，切片不会多取下一个字符。
		fmt.Println(string(data[loc[0]:loc[1]]))
	}
}

没有匹配时返回值是 nil，可以直接用 len(locs) == 0 判断。生产代码里不要先假设每一项一定有两个元素；正常的 FindAllIndex 结果确实是二元区间，但把切片边界检查留在同一处，后续替换正则方法时更稳妥。

中文文本中如何区分字节位置和字符位置

Go 字符串底层也是 UTF-8 字节序列。FindAllIndex 的返回值适合做原文切片、字节级高亮和区间替换；如果页面或日志要显示“第几个字符”，需要把区间前的字节重新按 rune 计数。

package main

import (
	"fmt"
	"regexp"
	"unicode/utf8"
)

func main() {
	data := []byte("Go 中文")
	loc := regexp.MustCompile(`中文`).FindAllIndex(data, 1)[0]

	// 这里的 loc 是字节边界；RuneCount 只用于换算给读者看的字符序号。
	charStart := utf8.RuneCount(data[:loc[0]])
	charEnd := charStart + utf8.RuneCount(data[loc[0]:loc[1]])
	fmt.Printf("字节区间=%v，字符区间=[%d,%d)\n", loc, charStart, charEnd)
}

两种坐标不要混用：用字符区间去切 []byte 可能切到一个 UTF-8 字符的中间，得到不可解码的字节；用字节区间做字符数组下标则会产生越界或错位。

整体匹配、字符串索引和子匹配索引怎么选

只需要整体匹配的字节边界时选 FindAllIndex；输入本来是字符串且不需要转成字节时，可以选 FindAllStringIndex。如果正则带捕获组，还要看每个分组的位置，就使用 FindAllStringSubmatchIndex，它会按“整体匹配、分组1、分组2”的顺序追加边界。

常见问题

FindAllIndex 的终点包含匹配字符吗？

不包含。它采用 [start, end) 半开区间，直接写 data[start:end] 就能得到匹配内容。

为什么中文匹配的下标看起来跳得很大？

因为下标按 UTF-8 字节计算，不按 Unicode 字符计数。需要字符序号时，再对区间前后的字节使用 utf8.RuneCount。

什么时候不能用 FindAllIndex？

当你需要捕获组的独立位置时，普通索引只给整体匹配，应改用 FindAllStringSubmatchIndex 或对应的字节版本。