Lua在loadstring时，中文字符会吃掉其它字符。

2012-7-11 9:45:30
收藏：0
阅读：171
评论：3

当我在 lua 中使用 loadstring 载入数据时，一些神秘的中文字符无法正常解析。

RawData = '{a="a朶b"}'
Data = loadstring("return " .. RawData)()

这是因为：

  • "朶" 的 ASCII 码（gbk 编码）为 0x96 0x5c。
  • 0x5c 是 '\'，会对后面的所有字符进行转义。
  • 因此，**'{a="a朶b"}'** 变成了 **'{a="a\150\b"}'**，\b 是错误的答案。

接着，我将永远得不到正确的输出 "a朶b"，"b" 已被 "朶" 吃掉……

在 Python 中也会有类似的引号问题：

exec("""print '''a朶b''' """)

以下是解决方法：

  • 在文件中明确指定编码 - - coding:gbk --
  • 使用 utf-8 进行字符串/文件编码

但是，lua 只支持标准的 C，有没有引号或转义方面的解决方法呢？

顺便一提，以下方法可行：

RawData = [=[ {a=[[a朶b]]} ]=]
return  loadstring("return " .. RawData)() .a

但我必须更改原始 RawData，这是不可接受的。

问题 2：

如何在 lua 中保持字符串不被转义？（Python 做得非常好）

s  = "a朶b"
s1 = string.format("%q", s)    -- s escaped
return s                       -- s escaped
print(s)                       -- s escaped
点赞
用户696326
用户696326

要在0x5c前面插入'\'怎么样？

2012-07-11 07:39:26
用户936986
用户936986

好的，你的 RawData 只是编码不正确，我觉得加入一些“启发式”的方法去猜测哪些是多字节的或独立的并没有多大意义。你应该更改它的序列化程序（或通知它们的开发人员），要求在将这些特殊符号放入序列化之前，将 Lua 认为是特殊的符号转义。在这种情况下，所有的 \ 必须在字符串添加到序列化之前被转换为 \\。

如果你的数据来源是使用一些常见语言编写的，那么检查一下是否有成熟的 Lua 序列化库是值得的。

2012-07-11 07:59:58
用户221509
用户221509

正如《Lua邮件列表》中所讨论的，Lua在字符串字面量中处理UTF-8没有任何问题。如果你可以将文件保存为UTF-8编码，那么在使用Lua时就没有问题了。如果你需要后来使用GBK编码（例如将其保存在文件中或在该编码下提供网页），那么你可以使用lua-iconv库将UTF-8字面量转换为GBK：

local iconv = require "iconv"
local toGbk = iconv.new("GBK", "UTF-8")
function U2G(s) return toGbk:iconv(s) end

-- 假设整个文件保存在UTF-8中，这将输出以GBK编码呈现的字符串
print(U2G "a朶b")

另一件事情是，在使用loadstring之前将GBK转换为UTF-8。然后，在向用户呈现结果时不要忘记将其转换回UTF-8。

2012-07-11 11:17:29

作者:

用户887205

用户887205
推荐文章