Go regexp.FindReaderIndex 为什么返回的偏移不是字符下标

如果你用 regexp.FindReaderIndex 匹配包含中文的流，看到返回的区间和“第几个字符”对不上，通常不是正则匹配错了。这个方法返回的是 UTF-8 字节偏移：m[0] 是匹配开始的字节位置，m[1] 是匹配结束位置，而且结束位置不包含在区间内。只有在 ASCII 文本中，字节位置才恰好和字符位置看起来一样。

这篇只解决一个边界：如何读取这个返回值，以及在确实需要字符序号时怎样转换。它不把流式匹配的位置当成可以随意回退的游标。

先把 FindReaderIndex 的返回值看成字节区间

FindReaderIndex 接收的是 io.RuneReader，返回一个整数切片。没有匹配时结果是 nil；匹配成功时至少有两个数，区间可以理解为 input[m[0]:m[1]]。官方文档明确说明，这两个位置按字节计算。

package main

import (
    "fmt"
    "regexp"
    "strings"
)

func main() {
    re := regexp.MustCompile(`中文`)
    reader := strings.NewReader("Go中文")

    // 这里的下标是 UTF-8 字节位置，不是 rune 序号。
    index := re.FindReaderIndex(reader)
    fmt.Println(index)
}

示例文本中，Go 占 2 个字节，两个中文字符合计占 6 个字节，所以匹配区间会是 [2 8]。如果按字符计数，中文的起止位置更像 [2 4]；这两个结果描述的是不同坐标系。

为什么中文会让偏移看起来“多了”

Go 的字符串底层是字节序列，UTF-8 字符可以占用一个或多个字节。FindReaderIndex 为了让结果能直接对应输入流中的字节范围，使用字节偏移；它不会把返回值改成“第几个 Unicode 字符”。因此，拿 m[0]、m[1] 去和 len([]rune(text)) 比较，必然会出现差异。

还有一个容易忽略的点：FindReaderIndex 可能为了确认匹配而继续读取输入，读取范围可以超过最终匹配文本。返回位置只说明匹配区间，不承诺 Reader 停在 m[1]。如果后续逻辑需要重新读取，应该提前保留原文，或者使用本身支持定位的输入设计。

需要字符序号时，先保留原文再转换

如果展示层或编辑器接口要求字符序号，可以在仍然拥有原始字符串时，截取字节前缀，再统计其中的 rune 数。不要把字节下标直接当成字符串的字符下标。

package main

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

func main() {
    text := "Go中文"
    re := regexp.MustCompile(`中文`)
    index := re.FindReaderIndex(strings.NewReader(text))
    if index == nil {
        return
    }

    // 先按字节切前缀，再把前缀换算成字符数量。
    startRune := utf8.RuneCountInString(text[:index[0]])
    endRune := utf8.RuneCountInString(text[:index[1]])
    fmt.Println("字符区间:", startRune, endRune)
}

这个转换成立的前提是 index 来自同一份原文，并且字节边界来自正则返回值。对任意字节手工切片前，仍要保证边界落在完整 UTF-8 字符上；正则匹配的字节区间通常满足这一点，但不要把外部输入的任意整数直接套进字符串切片。

流式读取时的三个判断

实际排查时，我会先问三个问题：第一，返回值是不是 nil；第二，调用方要的是字节范围还是字符序号；第三，后面是否还要从同一个 Reader 读取。前两个问题分别处理“有没有匹配”和“坐标系”，第三个问题处理流式读取的消费边界。

如果只是把匹配内容记录下来，保留输入缓冲区并按字节区间复制通常最直接。如果输入不可回退的网络流或管道，不要根据返回位置推断“还能从哪里重新读”；官方文档已经提醒，匹配过程可能读取超过匹配结束点。

常见问题

FindReaderIndex 返回的是字符下标吗？不是，是匹配起止位置的字节下标，结束位置为排他边界。

为什么 ASCII 示例看不出问题？ASCII 字符通常一个字符对应一个字节，所以两种下标恰好相同；换成中文或表情后差异就会出现。

能不能用返回的结束位置继续读取？不能这样假设。FindReaderIndex 可能已经向 Reader 读取了匹配结果之后的内容；需要回退时应保留原文或采用可定位输入。