Go utf8.RuneCountInString 怎样统计中文字符串长度

如果你把中文字符串直接交给 len，得到的是 UTF-8 字节数，不是通常理解的字符数量。要按 Go 的 rune 数量统计，可以使用 utf8.RuneCountInString：例如 "Go中文" 包含 4 个 rune，但 UTF-8 字节数是 8。

官方资料：https://pkg.go.dev/unicode/utf8

统计中文字符串中的 Unicode code point 时，用 utf8.RuneCountInString(s)；如果还要判断输入是否为合法 UTF-8，再配合 utf8.ValidString(s)。但 rune 数量不等于用户屏幕上看到的字形数量。

先分清字节长度和 rune 数量

Go 的 string 保存的是字节序列。UTF-8 中，ASCII 字符通常占 1 个字节，常见中文字符通常占 3 个字节，所以同一个字符串用 len 和 utf8.RuneCountInString 统计时，结果不同是正常现象。

可以把两种长度理解成两个问题：len(s) 回答“底层有多少字节”，utf8.RuneCountInString(s) 回答“按 UTF-8 解码后有多少个 rune”。中文长度统计通常关心后者。

用 utf8.RuneCountInString 统计中文字符串

函数接收一个 string，返回 int。它适合在表单长度限制、日志摘要长度或接口字段的字符数统计中使用：

package main

import (
	"fmt"
	"unicode/utf8"
)

func main() {
	text := "Go中文"

	// len 统计 UTF-8 字节数，不能直接当作中文字符数。
	fmt.Println("字节数:", len(text))

	// RuneCountInString 按 UTF-8 解码后的 rune 数量统计。
	fmt.Println("rune 数量:", utf8.RuneCountInString(text))
}

这个例子中，len(text) 是 8，而 utf8.RuneCountInString(text) 是 4。函数不会改变原字符串，也不需要先把 string 转成 []rune 再计数。

空串、非法编码和组合字符有什么边界

空字符串的 rune 数量是 0。对于合法 UTF-8，函数按解码出的 rune 计数；如果字符串中含有非法或不完整的 UTF-8 编码，错误编码会按单个宽度为 1 的错误 rune 处理。因此，外部输入如果必须是合法 UTF-8，计数前可以先判断：

package main

import (
	"fmt"
	"unicode/utf8"
)

func countText(text string) (int, bool) {
	// 先拒绝非法 UTF-8，避免把错误字节也当成可接受字符计数。
	if !utf8.ValidString(text) {
		return 0, false
	}

	// 合法输入再按 rune 计数，返回数量和编码状态。
	return utf8.RuneCountInString(text), true
}

func main() {
	count, ok := countText("中文")
	fmt.Println("数量:", count, "编码有效:", ok)
}

还要注意，rune 是 Unicode code point，不一定等于用户感知的一个字符。例如带零宽连接符的 emoji 组合可能由多个 rune 组成；如果业务要求按屏幕上的字形、字素簇或显示宽度限制文本，单独使用 RuneCountInString 就不够了。

什么时候只计数，什么时候还要校验

如果数据来源已经保证是合法 UTF-8，只需要获得 rune 数量，直接调用 utf8.RuneCountInString 即可。若输入来自二进制协议、文件切片或不可信的外部字节转换，建议先调用 utf8.ValidString，再决定是否接受计数结果。

常见误区有三个：

• 把 len(s) 当成中文字符数，导致长度限制过早触发。
• 把 rune 数量当成用户看到的字形数量，忽略组合字符和零宽连接符。
• 遇到非法编码却只看计数结果，忘记先判断输入是否应当被拒绝。

常见问题

utf8.RuneCountInString 和 len([]rune(s)) 一样吗？

对同一个字符串，两者通常得到相同的 rune 数量，但前者直接接收 string，表达意图更清楚，也避免为了计数显式创建 rune 切片。

中文字符一定是 3 个字节吗？

常见汉字在 UTF-8 中通常占 3 个字节，但字节数是编码存储概念；统计 rune 时不要用“字节数除以 3”推算，因为字符串还可能包含 ASCII、其他语言文字、emoji 或非法字节。

为什么 emoji 的 rune 数量看起来比一个字符多？

多个 code point 可以组合成一个用户感知的字形。RuneCountInString 只负责 rune 计数，不负责字素簇分割或终端显示宽度计算。

总结一下：需要中文字符串的 rune 数量时使用 utf8.RuneCountInString，需要底层存储大小时使用 len；对于外部输入，再根据协议要求决定是否先用 utf8.ValidString 校验。