登录
推荐 文章 Go 技术 课程 下载 专题 AI
首页 >  Golang >  Go教程

Go bytes.Buffer.ReadRune 怎样读取一个 UTF-8 字符

来源:17golang原创

时间:2026-11-17 06:34:32 231浏览 收藏

如果缓冲区里放的是 UTF-8 文本,bytes.Buffer.ReadRune 比逐字节调用 ReadByte 更合适:它一次读取一个 Unicode 字符,并返回这个字符实际占用的字节数。最需要记住的是,返回值依次是 (rune, size, error);缓冲区为空时得到 io.EOF,字节序列不合法时得到 utf8.RuneError 和一个字节的消费长度。

官方文档:https://pkg.go.dev/bytes#Buffer.ReadRune

先看懂 ReadRune 的三个返回值

ReadRune 的签名可以概括为:

func (b *Buffer) ReadRune() (r rune, size int, err error)

其中 r 是读出的 Unicode 码点,size 是它在缓冲区中占用的 UTF-8 字节数,err 表示这次读取是否遇到结束或编码问题。英文字符通常占 1 个字节,常见中文字符占 3 个字节,表情等字符可能占 4 个字节,所以不要用“读取了一个字符”推断游标只前进 1 个字节。

Go bytes.Buffer.ReadRune 返回 rune、size 和 error 的静态关系图
图1:ReadRune 三返回值与 UTF-8 字节宽度的关系说明图;这是静态说明图,不是运行截图。

用 bytes.NewBuffer 读取一个 UTF-8 字符

下面的例子把一段中文和英文放进内存缓冲,只读取一个字符,然后根据 size 继续读取。代码中的注释说明了游标消费和错误判断的关键位置。

package main

import (
	"bytes"
	"fmt"
)

func main() {
	// NewBuffer 接管这段字节切片,ReadRune 会从当前位置消费 UTF-8 字节。
	buf := bytes.NewBufferString("中Go")

	r, size, err := buf.ReadRune()
	if err != nil {
		// 读取首字符失败时直接结束,避免继续使用无效的 size。
		panic(err)
	}

	// 中文字符通常占 3 个 UTF-8 字节,size 应以返回值为准。
	fmt.Printf("rune=%q size=%d remaining=%q\\n", r, size, buf.String())
}

这次读取后,r 是“中”,size 是 3,缓冲区剩余内容是 Go。这里的重点不是某个字符的固定宽度,而是调用方始终使用 size 表示本次消费了多少字节。

连续读取时怎样区分 EOF

要把缓冲区读完,可以循环调用 ReadRune。正常结束不是异常,应单独处理 io.EOF;其他错误则应返回给上层。

package main

import (
	"bytes"
	"fmt"
	"io"
)

func dumpRunes(input []byte) error {
	buf := bytes.NewBuffer(input)
	for {
		// 每轮消费一个完整 UTF-8 字符,并得到实际字节宽度。
		r, size, err := buf.ReadRune()
		if err == io.EOF {
			// 缓冲区自然读完,结束循环而不是把 EOF 当作业务故障。
			return nil
		}
		if err != nil {
			// 其他读取错误继续向调用方传递。
			return err
		}
		fmt.Printf("%q(%d bytes) ", r, size)
	}
}

对于正常 UTF-8 输入,循环会逐个得到字符及其字节宽度。注意不要只判断 r == utf8.RuneError 来决定是否失败,因为合法文本本身也可能确实包含 U+FFFD;错误状态必须结合 err 和 size 一起判断。

非法 UTF-8 为什么返回 RuneError

当缓冲区当前位置的字节不是合法的 UTF-8 编码时,ReadRune 会返回替换字符 utf8.RuneError、size=1,并继续消费这个错误字节。这样做允许调用方继续扫描后续内容,但也意味着如果数据必须是严格 UTF-8,就不能静默忽略这个结果。

package main

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

func readStrict(input []byte) error {
	buf := bytes.NewBuffer(input)
	for buf.Len() > 0 {
		// RuneError 且只消费 1 字节,表示当前位置不是合法 UTF-8 序列。
		r, size, err := buf.ReadRune()
		if err != nil {
			return err
		}
		if r == utf8.RuneError && size == 1 {
			return fmt.Errorf("invalid UTF-8 byte at remaining=%d", buf.Len())
		}
	}
	return nil
}

如果业务允许用替换字符继续展示,可以记录这类位置并继续;如果数据要进入签名、协议或持久化边界,通常应在这里拒绝,而不是把非法字节当成普通字符保存。

ReadByte、ReadRune 和其他读取方式怎么选

ReadByte 面向二进制协议和单字节标记,返回的是原始字节;ReadRune 面向 UTF-8 文本,返回的是 Unicode 字符和它占用的字节数。如果需要查看原始字节而不是消费缓冲,可以先使用 Bytes,但要注意返回切片与缓冲区共享底层数据的生命周期。

Go ReadByte 与 ReadRune 的读取单位和错误边界对比说明图
图2:ReadByte 与 ReadRune 的读取单位、游标变化和错误处理边界对比;这是静态说明图,不是运行截图。
需求合适的 API关注点
读取协议头的一个原始字节ReadByte返回值是 0 到 255 的字节
逐字符处理 UTF-8 文本ReadRune使用 size 判断消费的字节数
严格拒绝坏编码ReadRune + RuneError/size不能只看 rune 是否等于替换字符

常见问题

ReadRune 返回的 size 为什么不是 1?

size 是 UTF-8 编码占用的字节数,不是字符数量。ASCII 字符占 1 字节,其他码点可能占 2 到 4 字节。

空 bytes.Buffer 读 Rune 会返回什么?

会返回 utf8.RuneError、size=0 和 io.EOF。循环读取时应先判断 EOF。

怎样判断 RuneError 是合法字符还是坏字节?

结合 size 判断:合法编码的 U+FFFD 通常占 3 字节;非法首字节导致的替换结果占 1 字节。最终仍应保留 err 判断。

ReadRune 会修改缓冲区内容吗?

它不会改写字节内容,但会推进读取位置;后续读取只能看到尚未消费的部分。

记忆这个 API 的最短口诀:ReadRune 读的是字符,size 说的是字节,EOF 表示读完,RuneError 加 1 字节要警惕非法 UTF-8。
声明:本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
相关阅读
更多>
最新阅读
更多>
课程推荐
更多>