string - Lua gmatch 奇数字符(斯洛伐克字母)

Question

我正在尝试从斯洛伐克语单词的字符串中提取字符。例如，“TURTLE”这个词是“KORYTNAČKA”。但是，当我尝试从字符串中提取“Č”字符时，它会跳过它:

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我也尝试过将字符串本身作为一组粘贴，但它出现了一些奇怪的东西:

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

有人知道如何解决这个问题吗？

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" 匹配一字节字符，因此结果不是您所期望的。

模式 "["..str.."]" 之所以有效，是因为一个 Unicode 字符可能包含多个字节，在此模式中，它在一组中使用这些字节，因此它可以匹配字符。

<小时/>

如果使用 UTF-8，则可以使用模式 "[\0-\x7F\xC2-\xF4][\x80-\xBF]*" 来匹配单个 UTF-8 Lua 5.2 中的 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 使用的版本)中，使用以下命令:

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 .