Lua gmatch奇怪字符（斯洛伐克字母）

2014-4-9 6:17:59
收藏：0
阅读：221
评论：4

我试图从斯洛伐克语单词字符串中提取字符。例如，“TURTLE”的斯洛伐克语单词为“KORYTNAČKA”。但是，当我尝试从该字符串中提取它时，它跳过了“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

我阅读了这个页面，我也尝试过将该字符串本身作为集合粘贴进来，但结果很奇怪：

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

有人知道如何解决这个问题吗？

点赞
用户1009479
用户1009479

Lua 是 8 位清洁的，因此 Lua 字符串假定每个字符是一个字节。模式 "%a" 匹配一个字节的字符，所以结果不是你所期望的那样。

模式 "["..str.."]" 可以工作，因为 Unicode 字符可能包含多个字节，在该模式中，它使用这些字节构成一个集合，以便匹配该字符。

如果使用 UTF-8，则可以在 Lua 5.2 中使用模式 "[\0-\x7F\xC2-\xF4][\x80-\xBF]*" 匹配单个 UTF-8 字节序列，如下所示：

local str = "KORYTNAÄŒKA"
for c in str:gmatch("[\0-\x7F\xC2-\xF4][\x80-\xBF]*") do
    print(c)
end

在 Lua 5.1（即 Corona SDK 正在使用的版本）中，使用以下代码：

local str = "KORYTNAÄŒKA"
for c in str:gmatch("[%z\1-\127\194-\244][\128-\191]*") do
    print(c)
end

关于该模式的详细信息，请参见 Equivalent pattern to “[\0-\x7F\xC2-\xF4][\x80-\xBF]*” in Lua 5.1。

2014-04-09 06:11:52
用户735446
用户735446

Lua 没有内置的 Unicode 字符串处理。你可以看到 Ä,Å’ 是表示 ÄŒ 字符 UTF-8 编码的 2 个字节。

Yu Hao 已经提供了一个示例解决方案，但是要了解更多细节，请参考好的来源。

我已经测试并发现 这个解决方案 在 Lua 5.1 下正常工作，备用链接。你可以使用 utf8sub 函数提取单个字符，查看样例。

2014-04-09 06:16:34
用户10075240
用户10075240 
`string.gmatch(str, "[%z\1-\127\192-\253][\128-\191]*")`

将一个字符串按照指定模式进行全局匹配。模式中的字符含义如下：

  • %z：空字符或者字符串末尾的不可见字符
  • \1-\127：ASCII 字符集中的可打印字符，不包括空格和控制字符
  • \192-\253：UTF-8 编码表示的中文和其他非 ASCII 字符
  • [\128-\191]*：连续的 UTF-8 编码表示的后续字节

总的来说，这个函数的作用是为了在字符串中找到所有的中文和其他非 ASCII 字符，并且将它们分隔开来。

2018-07-13 09:34:38
用户7026995
用户7026995

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

例如（在 Win7 上测试过，我可以使用它）

yourfilename.lua

local utf8 = require( "plugin.utf8" )

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

和

build.settings

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

阅读更多：

祝您愉快 :)

2018-07-14 08:40:48

作者:

用户1447962

用户1447962
推荐文章