Go []rune 转回字符串时为什么长度发生变化

Go 中把 []rune 转回 string 后，len 变大通常不是内容被重复了，而是统计口径变了：[]rune 按 Unicode code point 保存元素，string 按 UTF-8 字节保存内容。中文、表情等字符重新编码后往往占用多个字节，所以 len(string([]rune(s))) 统计的是字节数，不是 rune 数量。

为什么转回 string 后 len 变大

先看一个混合 ASCII 和中文的例子：

package main
import (
    "fmt"
    "unicode/utf8"
)
func main() {
    s := "Go你好"
    rs := []rune(s)
    restored := string(rs)
    // len 统计 string 的 UTF-8 字节数；RuneCountInString 统计 Unicode code point 数量。
    fmt.Println(len(s), len(rs), len(restored), utf8.RuneCountInString(restored))
}

s 和 restored 的文本值相同，转换前后并没有凭空增加字符。差异来自表示方式：字母通常占 1 个 UTF-8 字节，而一个中文 code point 常占 3 个字节。[]rune 转换先把字符串中的 UTF-8 序列解码成整数值；转回 string 时，再把这些 code point 编码成 UTF-8 字节序列。

因此，判断“长度变化”前要先问清楚长度指什么。若是网络协议或文件大小，字节长度才是答案；若是文本框最多允许多少个 Unicode code point，应该看 rune 数量。

转换过程不会改变有效文本，但会处理无效字节

对合法 UTF-8 字符串，string([]rune(s)) 通常能还原同样的文本值。字符串若包含无效 UTF-8 字节，转成 []rune 时会按 Go 的解码规则把无效序列处理为替代字符，再转回 string 后，字节内容可能真的与原始值不同。

package main
import (
    "fmt"
    "unicode/utf8"
)
func main() {
    s := string([]byte{'A', 0xff, 'B'})
    rs := []rune(s)
    restored := string(rs)
    // 先判断输入是否为有效 UTF-8，再决定是否允许做 rune 级文本处理。
    fmt.Println(utf8.ValidString(s), len(s), len(rs), len(restored), restored)
}

这里的关键不是死记某个数字，而是先用 utf8.ValidString 判断输入。日志、二进制片段或错误编码的外部数据不应直接当作正常 Unicode 文本；如果必须保留原始字节，就不要先转成 []rune 再试图还原。

用三种长度口径定位差异

排查时把同一个 string 同时放进三个观察点：len(s) 得到字节数，utf8.RuneCountInString(s) 得到 rune 数量，utf8.ValidString(s) 得到输入是否是合法 UTF-8。[]rune(s) 适合需要按 code point 访问或截断的场景，但它会带来额外内存，并且“一个 rune”等于“一个用户感知字符”也不总成立，例如组合字符和某些 emoji 序列可能由多个 code point 组成。

可以把判断写成三个问题：

• 要限制传输或存储大小吗？使用字节数，并明确是否允许截断 UTF-8。
• 要限制 Unicode code point 数量吗？使用 utf8.RuneCountInString 或 []rune 后的切片长度。
• 要展示“用户看到的字符数”吗？先确认产品是否需要 grapheme cluster 级别的分割，不能把 rune 数量直接当成最终 UI 字符数。

按场景选择处理方式

如果只是拼接、比较、传输合法文本，优先保留 string；需要按 Unicode code point 读取、替换或截断时，再转换为 []rune，完成操作后转回 string。截断时不要直接按 len(s) 切字节，否则可能把一个 UTF-8 序列切开；如果边界必须按字节控制，则应在协议层明确采用安全的 UTF-8 边界策略。

最后做一次小核对：原始输入和转换结果是否都通过 utf8.ValidString，长度指标是否和业务字段名称一致，是否误把 rune 数量当成用户可见字符数。这样就能把“转回字符串长度变了”拆成可解释、可验证的编码问题。

常见问题答疑

Q1：为什么英文转成 []rune 再转回 string，len 看起来没有变化？

英文 ASCII 字符通常每个只占一个 UTF-8 字节，所以字节数与 rune 数量恰好相同；这只是编码结果相同，不代表两个函数统计的是同一个概念。

Q2：len([]rune(s)) 能不能代替 utf8.RuneCountInString(s)？

对一次性计算通常可以得到同样的 rune 数量，但前者会创建 rune 切片并占用额外内存；只需要计数时优先使用 utf8.RuneCountInString。

Q3：转换后文字显示成 � 是什么原因？

常见原因是输入含有无效 UTF-8 字节，rune 解码阶段使用了替代字符。先用 utf8.ValidString 定位输入问题，不要把替代字符当成原始字节恢复。

Q4：一个 rune 就等于一个用户看到的字符吗？

不一定。组合字符、变体选择符和部分 emoji 可能由多个 code point 组成；如果产品按用户感知字符限制长度，需要采用专门的 grapheme cluster 处理策略。