Go regexp 为什么中文匹配为空

Go 的 regexp 并不是不能匹配中文。更常见的原因是把 ASCII 字符类当成了 Unicode 字符类，或者把字符串的字节下标当成了字符下标。先用中文字面量验证输入，再根据目标范围选择表达式，通常就能定位问题。

官方资料：https://pkg.go.dev/regexp

中文匹配为空时，优先检查输入是否真的含有目标文本、表达式是否用了 \w/\b 等 ASCII 规则，以及结果下标是否按字节解释。

先把输入和表达式拆开看

不要一上来就把复杂表达式替换成另一套写法。先编译一个中文字面量，确认问题出在哪一层：

package main

import (
    "fmt"
    "regexp"
)

func main() {
    text := "订单状态：已发货"
    // 先用字面量确认输入确实包含目标中文。
    re := regexp.MustCompile(`已发货`)
    fmt.Println(re.MatchString(text)) // true

    // 再观察 ASCII 字符类，它不会自动扩展为中文字符集。
    word := regexp.MustCompile(`\w+`)
    fmt.Println(word.FindAllString(text, -1))
}

如果第一处输出就是 false，先检查数据读取、转码或清洗逻辑；如果字面量能匹配而原表达式不能匹配，再检查字符类和边界条件。Go 官方文档说明，regexp 的输入按 UTF-8 编码的码点处理；无效 UTF-8 字节会按 utf8.RuneError 处理。

中文能匹配，但字符类未必覆盖中文

下面几种写法的语义不同：

例如，判断一段文本是否含有汉字，可以使用 Unicode 类，而不是依赖 \w：

package main

import (
    "fmt"
    "regexp"
)

func main() {
    text := "Go 与中文混合"
    // \p{Han} 表示 Unicode Han 类；+ 要求至少出现一个汉字。
    han := regexp.MustCompile(`\p{Han}+`)
    fmt.Println(han.FindAllString(text, -1)) // [中文混合]

    // \b 的边界规则是 ASCII-only，不适合直接判断中文词边界。
    asciiBoundary := regexp.MustCompile(`\b中文\b`)
    fmt.Println(asciiBoundary.MatchString(text))
}

regexp/syntax 文档列出了 Unicode 字符类和 ASCII 字符类：\p{Han} 属于 Unicode 类，而 \w 等 Perl 字符类明确等价于 ASCII 范围。若需求是中文分词、姓名规则或自然语言边界，正则只负责字符筛选，词边界仍要结合业务规则处理。

匹配成功后，位置为什么看起来不对

FindStringIndex 返回的是原始字符串中的字节下标。中文在 UTF-8 中通常占多个字节，因此直接把下标拿去做 []rune 切片会错位；反过来用 rune 下标切原字符串也会破坏 UTF-8。

package main

import (
    "fmt"
    "regexp"
)

func main() {
    text := "Go中文"
    re := regexp.MustCompile(`中文`)
    index := re.FindStringIndex(text)
    fmt.Println(index) // [2 8]，范围是字节下标
    fmt.Println(text[index[0]:index[1]])

    // 需要字符位置时，先把整段文本转换为 rune，再单独换算范围。
    runes := []rune(text)
    fmt.Println(string(runes[2:])) // 中文
}

这里的关键不是把所有字符串都转换成 []rune，而是先明确接口返回值的单位：regexp 的 Index 方法返回字节位置，range 遍历字符串得到的是 rune 位置。高亮、截取和数据库字段定位时，三者不要混用。

排查中文匹配为空的速查顺序

1. 把复杂表达式换成目标中文字面量，确认输入中确实有相同字符。
2. 检查是否误用了 \w、\b、[[:alpha:]] 等 ASCII 规则。
3. 按需求选择字面量、\p{Han} 或其他 Unicode 类，不要用“看起来短”的表达式替代边界。
4. 检查原始输入是否含无效 UTF-8、全角/半角差异、不可见空格或不同的 Unicode 规范化形式。
5. 读取 Index 结果时按字节处理；需要字符位置时另行转换为 rune 坐标。

常见问题

Go 的点号能匹配一个中文字符吗？

可以把一个 UTF-8 码点作为一个匹配单位，但默认不匹配换行。它不代表“一个字节”，也不等于一个用户感知字符。

为什么 \b中文\b 经常得不到预期结果？

Go 的单词边界按 ASCII 的 [A-Za-z0-9_] 判断，不能直接承担中文词边界识别。应把字符筛选和中文分词、标点规则分开设计。

把输入转成 []rune 能解决所有匹配问题吗？

不能。它只改变你处理字符位置的方式，不能修复错误的正则表达式、错误的输入内容或不一致的 Unicode 规范化。

归根结底，Go regexp 中文匹配为空通常不是“中文不支持”，而是字符集规则和位置单位被混用了：先验证输入，再区分 ASCII 与 Unicode，最后按字节或 rune 的真实语义使用结果。