Go regexp.FindAllStringSubmatchIndex 返回什么：字节偏移与捕获组切片

线上日志解析器把中文工单里的匹配位置截出来后，前端显示的下标总比人眼数出来的大。问题通常不在正则，而在 regexp.FindAllStringSubmatchIndex 返回的是字符串的字节偏移，并且每个捕获组都按“起点、终点”成对排列。

把返回值当成字节区间使用，就能正确切出原文；如果要按字符位置展示，必须在展示层另行转换，不能直接把下标当作 rune 序号。

先看一组真实返回值：完整匹配和捕获组如何排队

先用官方示例同类的模式 a(x*)b。它只有一个捕获组，所以每一行结果应该包含四个整数：完整匹配的起点和终点，再加上捕获组的起点和终点。

package main

import (
	"fmt"
	"regexp"
)

func main() {
	re := regexp.MustCompile(`a(x*)b`)
	s := "-ab-axb-"

	for _, loc := range re.FindAllStringSubmatchIndex(s, -1) {
		fmt.Println(loc)
		fmt.Printf("完整匹配=%q，捕获组=%q\n", s[loc[0]:loc[1]], s[loc[2]:loc[3]])
	}
}

输出中的第一行是 [1 3 2 2]：s[1:3] 是 ab，捕获组 x* 匹配了空字符串，因此它的区间是 [2:2]。第二行会把 axb 和 x 分别放进自己的区间。

中文场景为什么更容易误判：下标是字节不是字符

Go 的字符串底层是字节序列。下面的正则只捕获一段中文，匹配结果仍然可以直接用于字符串切片，但起止数字会按 UTF-8 编码后的字节数量增长。

package main

import (
	"fmt"
	"regexp"
)

func main() {
	re := regexp.MustCompile(`订单号：([一二三四五六七八九十]+)`)
	s := "工单：订单号：三十七"
	loc := re.FindAllStringSubmatchIndex(s, -1)[0]

	fmt.Println(loc)
	fmt.Println("完整匹配:", s[loc[0]:loc[1]])
	fmt.Println("订单号:", s[loc[2]:loc[3]])
}

这里不要把 loc[2] 当作“第几个汉字”。它是字节位置；但因为它来自同一个字符串的合法边界，用 s[loc[2]:loc[3]] 切片仍然安全。若界面需要显示第几个字符，再用 []rune(s[:loc[2]]) 计算展示位置，切片本身不要改成 rune 下标。

可选捕获组没有内容时，为什么会出现 -1

捕获组的数量由正则决定，结果数组的槽位不会因为某一次匹配缺少内容而消失。比如第二个捕获组是可选的，未参与匹配时，起止位置会同时变成 -1。

package main

import (
	"fmt"
	"regexp"
)

func main() {
	re := regexp.MustCompile(`([a-z]+)(-([0-9]+))?`)
	for _, loc := range re.FindAllStringSubmatchIndex("item item-42", -1) {
		fmt.Println(loc)
	}
}

读取这类结果时，先判断每个捕获组的起点是否小于零，再去做字符串切片。否则直接执行 s[loc[4]:loc[5]]，就会把“没有匹配”误当成一个合法区间。

和 ExpandString 连起来：不要手工拼错捕获区间

如果目标是按捕获组重排文本，FindAllStringSubmatchIndex 的结果正好可以交给 ExpandString。这样既保留了完整匹配的扫描顺序，也避免手工计算每个组的位置。

package main

import (
	"fmt"
	"regexp"
)

func main() {
	re := regexp.MustCompile(`(?m)(?P[a-zA-Z0-9_]+):\s+(?P[^\n]+)$`)
	content := "host: api\nport: 8080\n"
	var out []byte
	for _, loc := range re.FindAllStringSubmatchIndex(content, -1) {
		out = re.ExpandString(out, "$key=$value\n", content, loc)
	}
	fmt.Print(string(out))
}

这里的调用链是：正则扫描得到 FindAllStringSubmatchIndex 的区间，ExpandString 根据相同的区间读取命名捕获组，最后把结果追加到 out。两者使用的是同一份原始字符串和同一组字节边界。

常见问题：返回值应该怎样落到业务代码里

传入的 n 为 0 会返回什么？

n == 0 表示不返回任何匹配；n 才表示返回所有非重叠匹配。

为什么找不到结果时不能直接取第一项？

没有匹配时返回值为空。先判断 len(matches) == 0，再访问第一项，避免越界。

能不能用这些数字做字符高亮？

可以先用字节区间切出原文，再把前缀转换为 rune 数量来计算展示位置。不要直接在 []rune(s) 上使用字节下标。

捕获组区间为什么是成对数字？

每个组都需要起点和终点。完整匹配占前两个位置，第一个捕获组占接下来的两个位置，以此类推。

把这几个边界写进测试

这类解析代码最值得补的不是更多正则，而是边界测试：ASCII 与中文各测一次，空捕获组和未匹配可选组各测一次，再验证 n=0、n=-1 与无匹配输入。只要坚持用返回的字节区间切片，定位数字和显示字符序号就不会混在一起。