Go unicode.IsGraphic 怎样判断字符串是否含可打印字符

做字符串清洗时，我遇到过一个很容易误判的现象：输入里明明没有换行，检查结果却仍然不适合直接显示；换成逐字节判断后，中文和组合字符又被拆坏了。Go 的 unicode.IsGraphic 解决的是“这个 rune 是否属于 Unicode Graphic”这个更具体的问题。它适合按字符判断，而不是拿来替代所有的文本校验。

本文只围绕一个边界展开：如何按 rune 判断字符串是否含有图形字符，以及什么时候应该改用 unicode.IsPrint。官方文档将 Graphic 定义为包含字母、标记、数字、标点、符号和 Unicode 空格的字符类别。

先记结论：遍历字符串时使用 range，对得到的 rune 调用 unicode.IsGraphic；如果业务要求“可打印”且只接受 ASCII 空格，则选择 unicode.IsPrint。两者都不是“字符串只要返回 true 就绝对安全”的通用保证。

先分清 Graphic 与 Print

IsGraphic 的参数是单个 rune，判断范围来自 Unicode 的 Graphic 定义，覆盖 L、M、N、P、S 和 Zs 类。字母、组合标记、数字、标点、符号以及普通 Unicode 空格都可能返回 true。

IsPrint 的分类与它接近，但空白部分更窄：只把 ASCII 空格 U+0020 作为可打印空格。也就是说，业务只想允许普通英文空格时，IsPrint 比 IsGraphic 更贴近需求；业务想保留可显示的 Unicode 空格时，才考虑 IsGraphic。

按 rune 检查单个字符

不要用 for i := 0; i 把字符串当作字符数组。len 得到的是 UTF-8 编码后的字节数，一个中文字符或组合字符可能占多个字节。使用 range 才能得到解码后的 rune。

package main

import (
    "fmt"
    "unicode"
)

func main() {
    input := "Go 语言\u00a0\u0007"
    for index, r := range input {
        // index 是 UTF-8 字节偏移，r 才是当前 Unicode 码点。
        fmt.Printf("字节偏移=%d rune=%q graphic=%t print=%t\\n",
            index, r, unicode.IsGraphic(r), unicode.IsPrint(r))
    }
}

这里的判断单位是 rune，而不是 index。制表符、换行和控制字符通常不属于 Graphic；非 ASCII 空格可能属于 Graphic，却不一定属于 Print。展示前若要排除控制字符，应在字符级别明确写出规则。

筛选字符串并保留有效内容

如果需求是“去掉控制字符，保留图形字符”，可以在 range 中分支处理。示例使用 strings.Builder 保存结果，避免把每个 rune 都先转成临时字符串再拼接。

package main

import (
    "fmt"
    "strings"
    "unicode"
)

func keepGraphic(input string) string {
    var builder strings.Builder
    // 预留字节容量只是减少扩容，不能把 rune 数量当成字节数。
    builder.Grow(len(input))
    for _, r := range input {
        // 只保留 Unicode Graphic；控制字符和换行会进入过滤分支。
        if unicode.IsGraphic(r) {
            builder.WriteRune(r)
        }
    }
    return builder.String()
}

func main() {
    fmt.Println(keepGraphic("标题\n正文\t内容"))
}

这个函数只表达“保留 Graphic”的策略，不等于完整的输入安全策略。若产品要求禁止换行、禁止所有空格或只允许某个语言集合，应该在 IsGraphic 之后再叠加明确的业务条件。

边界问题：空字符串、非法 UTF-8 与严格显示

空字符串不会进入循环，筛选结果自然也是空字符串。如果输入来自不可信字节流，Go 字符串本身可以保存任意字节；range 遇到无效 UTF-8 时会产生替换 rune。此时要不要保留它，取决于业务是否把替换字符视作可接受文本，不能只看 IsGraphic 的返回值。

还要注意“图形字符”和“可安全渲染”不是同一件事。零宽标记、不同字体缺字、终端控制序列或业务层的格式语法，都需要额外处理。需要严格的可打印判断时优先尝试 unicode.IsPrint；需要识别 Unicode Graphic 范围时才使用 unicode.IsGraphic。

常见问题

IsGraphic 能直接判断整个字符串吗？

不能。它接收一个 rune。整个字符串要用 range 遍历，再决定是遇到一个不符合字符就返回 false，还是过滤掉不符合字符后继续保留结果。

为什么中文可以通过 IsGraphic？

因为汉字属于 Unicode 的字母类别，属于 Graphic 的覆盖范围。判断中文时关键是按 rune 遍历，而不是按 UTF-8 字节逐个比较。

什么时候用 IsPrint 更合适？

当“可打印”意味着字母、标记、数字、标点、符号和 ASCII 空格时，用 IsPrint 更准确。若允许 Unicode 的空格类字符，则应使用 IsGraphic 并补充业务规则。

总结

unicode.IsGraphic 解决的是单个 rune 的 Unicode Graphic 属性判断。实际处理字符串时，先用 range 得到 rune，再根据目标选择 IsGraphic 或 IsPrint：前者范围更广，后者对空格更严格。把字符分类、UTF-8 解码和业务显示规则分开，才能避免“看起来可打印”却仍然带控制字符的输入问题。