Go regexp.FindAllStringIndex 为什么不返回重叠匹配

如果你用 regexp.FindAllStringIndex 在 ababa 中查找 aba，通常会看到一个结果 [[0 3]]，而不是同时得到 [0,3] 和 [2,5]。这不是函数漏查，而是 Go 的 FindAll 语义：匹配会从左到右连续寻找，并且后一个匹配不能和前一个匹配重叠。

标准方法返回非重叠区间是设计行为；n 只限制最多返回多少个匹配，并不会打开“允许重叠”的开关。若业务确实要重叠结果，需要在正则调用外部维护搜索游标。

先把 [0,3] 读成一个区间

FindAllStringIndex 返回的是 [][]int。每个元素有两个位置：起点包含，终点不包含，也就是可以用 s[start:end] 取出匹配文本。

package main

import (
	"fmt"
	"regexp"
)

func main() {
	// 这个表达式的长度是 3，输入中从 0 开始和从 2 开始都能组成 aba。
	re := regexp.MustCompile(`aba`)
	s := "ababa"

	// -1 表示不限制返回数量；它不改变非重叠匹配规则。
	indexes := re.FindAllStringIndex(s, -1)
	fmt.Println(indexes)
	for _, index := range indexes {
		// 右边界不包含，正好可以直接用于字符串切片。
		fmt.Printf("%d:%d = %q\\n", index[0], index[1], s[index[0]:index[1]])
	}
}

这个例子的第一个候选从位置 0 开始，覆盖 a b a，区间是 [0,3]。下一个真正的搜索位置从 3 开始，而重叠候选 [2,5] 的起点已经落在已接受区间内部，所以不会再被返回。

为什么后一个匹配从前一个终点继续

Go 的 regexp 包把 Find、FindAll、FindString 等方法组织成连续查找。官方文档将 All 变体定义为 successive non-overlapping matches，也就是连续的非重叠匹配；FindAll 只是把这些匹配收集成切片。

还有一个容易混淆的点：标准实现仍然会优先选择最左边的起点。它解决的是“同一个起点有多个可能匹配时怎么选”，不是“是否允许两个结果相交”。因此下面几个选项都不会让结果变成重叠匹配：

Index 返回的是字节下标，不是字符序号

方法名中的 Index 指的是输入字符串的字节位置。Go 字符串按 UTF-8 保存，中文字符通常占多个字节，所以不要把返回的数字直接当成 rune 序号。只要区间来自正则匹配边界，按它切片仍然是安全的。

package main

import (
	"fmt"
	"regexp"
)

func main() {
	// 两个中文字符在 UTF-8 中各占 3 个字节，前面的 go 占 2 个字节。
	re := regexp.MustCompile(`正则`)
	s := "go正则go"

	// 这里的结果是 [2,8]：它表示字节区间，不是第 2 到第 4 个字符。
	index := re.FindStringIndex(s)
	fmt.Println(index, s[index[0]:index[1]])
}

如果要把字节下标转换成用户看到的字符位置，需要另外遍历 rune 或使用 utf8.RuneCountInString 等工具；不要修改 API 返回的区间，也不要用字符序号直接去切字符串。

确实要重叠结果时，用外部游标推进

若需求是统计所有起点，例如查找敏感词出现位置、滑动窗口里的模式命中，最直接的做法是重复调用 FindStringIndex，但每次只从上一个匹配的起点后一个 rune 继续。这样不会改写正则，也不会因为中文字符占多个字节而把游标移到 UTF-8 中间。

package main

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

// findOverlapping 收集非空匹配的所有起点，包括彼此重叠的结果。
func findOverlapping(re *regexp.Regexp, s string) [][2]int {
	var result [][2]int
	for pos := 0; pos 

这个辅助函数专门示范非空模式。若业务允许空匹配，必须保留“向前移动至少一个 rune”的保护，否则游标可能停在原地形成死循环。返回值仍然是字节区间，因此可以继续用于原字符串切片或转换成协议中的偏移量。

排查“少了匹配”时按这张表处理

结论

FindAllStringIndex 不返回重叠匹配，是因为它遵循 Go regexp 的连续非重叠查找规则；返回的两个数字是 UTF-8 字节区间，n 只负责数量上限。如果业务需要 ababa 中的 [0,3] 和 [2,5]，就在调用层从每个匹配起点后一个 rune 推进，而不是继续调整 n 或误用 Longest。

官方资料：https://pkg.go.dev/regexp#Regexp.FindAllStringIndex

相关问题

• FindAllStringIndex 的右边界包含吗？不包含，区间可直接用于 s[start:end]。
• FindAllStringSubmatchIndex 会返回重叠捕获组吗？不会，它只是额外给出捕获组的区间。
• 中文字符串的下标能直接当字符位置吗？不能，API 返回的是 UTF-8 字节下标。