Lua string.match utf - 要求西班牙语字符 - 获得半葡萄牙语

Question

嗨，Lua中的以下代码：

letters = "Vocéá"
print(string.match("¡Você","["..letters.."]+"))

返回：

�Voc�

如果我用常规e替换é并摆脱á然后我得到“Voc”。似乎á干扰¡，é与ê。可能是他们共享一个字节？ 我不是编码专家，但这些是utf16值，utf8二进制文件：

á(feff00e1) 1100 0011 1010 0001
¡(feff00a1) 1100 0010 1010 0001
ê(feff00ea) 1100 0011 1010 1010
é(feff00e9) 1100 0011 1010 1001

我如何忽略葡萄牙语字符＆amp; “¡”（以及我不知道的许多其他人）？

也许这不是最好的方法。我正在尝试建立一个西班牙语标记器。我很惊讶，匹配函数从我的匹配列表中未包含的字符返回一个问号。

Answer 1

字符和字节是两个不同的东西。可以使用不同的encodings以各种方式以字节编码字符。一种可能的编码是UTF-8。不幸的是，Lua的string.match几乎不知道关于字符和编码的任何内容，它只适用于字节。

因此，您的脚本不会查找“V”，“c”，“o”，“á”，“é”字符，但对于“\ x56”，“\ x63”，“\ x6F”， “\ xA1”，“\ xA9”，“\ xC3”字节。