Lua gmatch奇数字符（斯洛伐克字母）

Posted 2021-05-05

我试图从斯洛伐克语中的一个单词串中提取字符。例如，“TURTLE”一词是“KORYTNAČKA”。但是，当我尝试从字符串中提取它时，它会跳过“Č”字符：

local str = "KORYTNAČKA"
for c in str:gmatch("%a") do print(c) end
--result: K,O,R,Y,T,N,A,K,A

我正在阅读this page，我也尝试将字符串本身粘贴为一组，但它提出了一些奇怪的东西：

local str = "KORYTNAČKA"
for c in str:gmatch("["..str.."]") do print(c) end
--result: K,O,R,Y,T,N,A,Ä,Œ,K,A

有谁知道如何解决这个问题？

答案

Lua是8位干净的，这意味着Lua字符串假设每个字符都是一个字节。模式"%a"匹配一个字节的字符，因此结果不是您所期望的。

模式"["..str.."]"的工作原理是，Unicode字符可能包含多个字节，在此模式中，它在一个集合中使用这些字节，以便它可以匹配字符。

---

如果使用UTF-8，则可以使用模式"[-x7FxC2-xF4][x80-xBF]*"匹配Lua 5.2中的单个UTF-8字节序列，如下所示：

local str = "KORYTNAČKA"
for c in str:gmatch("[-x7FxC2-xF4][x80-xBF]*") do 
    print(c) 
end

在Lua 5.1（Corona SDK使用的版本）中，使用：

local str = "KORYTNAČKA"
for c in str:gmatch("[%z1-127194-244][128-191]*") do 
    print(c) 
end

有关此模式的详细信息，请参阅Equivalent pattern to “[-x7FxC2-xF4][x80-xBF]*” in Lua 5.1。

另一答案

Lua没有内置的Unicode字符串处理方法。你可以看到Ä,Œ是一个2字节，表示Č字符的UTF-8编码。

俞昊已经提供了样本解决方案，但更多细节在这里是good source。

我测试过并发现this solution在Lua 5.1，reserve link中正常工作。您可以使用utf8sub函数提取单个字符，请参阅sample。

另一答案

使用utf8插件。然后用string.gmatch替换utf8.gmatch。

示例（在Win7上测试，它适用于我）

yourfilename.lua

local utf8 = require( "plugin.utf8" )

for c in utf8.gmatch( "KORYTNAČKA", "%a" ) do print(c) end

和

build.settings

settings =
{
    plugins =
    {
        ["plugin.utf8"] =
        {
            publisherId = "com.coronalabs"
        },
    },      
}

阅读更多 ：

• Introducing the UTF-8 string plugin，
• Documenatation for utf8插件，
• Lua String Manipulation，
• string.gmatch()。

祝你今天愉快：）

另一答案

string.gmatch(str, "[%z1-127192-253][128-191]*")