如何在 Go 中偵測無效的 UTF-8 位元組序列？

在Go 中偵測無效位元組序列

在Go 中，當將位元組切片([]byte) 轉換為字串時，可以遇到無法轉換為Unicode 的無效位元組序列。這是因為並非所有位元組序列都代表有效的 UTF-8 字元。

要偵測此類情況，有兩種方法可用：

UTF-8 有效性檢查：

正如Tim Cooper 所提到的， utf8.Valid 函數可用來測試位元組切片是否包含有效的UTF-8 位元組。如果結果為 false，則表示存在無效位元組序列。

字串轉換注意事項：

與常見假設相反，Go 允許非 UTF 的轉換-8 位元組切片到字串。但要注意的是，Go 中的字串本質上是唯讀位元組片，因此可以容納非有效 UTF-8 的位元組。

只有在特定情況下，Go 才會自動執行UTF- 8 解碼：

• 使用for i, r := range s 語法迭代字串時，r 變數表示Unicode程式碼點（rune），並且始終有效。
• 從字串轉換為符文切片（即 []rune(s)）時，Go 會將整個字串解碼為符文。

在這兩種情況下，無效的 UTF-8 字元將替換為 U FFFD 替換字元。這種替換可能並非在所有應用程式中都可接受，因此建議在必要時執行明確 UTF-8 驗證。

範例：

考慮以下Go 程式：

package main

import (
    "fmt"
    "unicode/utf8"
)

func main() {
    a := []byte{0xff}
    s := string(a)

    // Check UTF-8 validity
    if utf8.Valid(a) {
        fmt.Println("Valid UTF-8")
    } else {
        fmt.Println("Invalid UTF-8")
    }

    // Output string
    fmt.Println(s)
}

輸出：

Invalid UTF-8
�

輸出：在此範例中，位元組片a 包含無效位元組序列，導致「無效UTF-8」訊息。隨後，在將其轉換為字串時，無效位元組由替換字元“�”表示。

以上是如何在 Go 中偵測無效的 UTF-8 位元組序列？的詳細內容。更多資訊請關注PHP中文網其他相關文章！