Question

我正在尝试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作为一个集合粘贴，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

任何人都知道如何解决这个问题？

Answer 1

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，因此结果不符合您的预期。

模式"["..str.."]"有效，因为Unicode字符可能包含多个字节，在此模式中，它在集合中使用这些字节，以便它可以匹配字符。

如果使用UTF-8，您可以使用模式"[\0-\x7F\xC2-\xF4][\x80-\xBF]*"来匹配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("[\0-\x7F\xC2-\xF4][\x80-\xBF]*") do 
    print(c) 
end

在Lua 5.1（Corona SDK正在使用的版本）中，使用：

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

有关此模式的详细信息，请参阅Equivalent pattern to “[\0-\x7F\xC2-\xF4][\x80-\xBF]*” in Lua 5.1。

Answer 2

Lua没有针对Unicode字符串的内置处理。您可以看到Ä,Œ是一个2字节，表示Č字符的UTF-8编码。

Yu Hao已经提供了示例解决方案，但有关详细信息，请参阅good source。

我已经测试并发现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。

Answer 3

使用utf8插件。然后将string.gmatch替换为utf8.gmatch。

示例（在Win7上测试过，对我有用）

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"
        },
    },      
}

了解更多：

祝您有美好的一天：）

Answer 4

string.gmatch(str, "[%z\1-\127\192-\253][\128-\191]*")

Lua gmatch奇数字符（斯洛伐克字母）

4 个答案: