3

当我通过 loadstring 在 lua 中加载数据时，一些神奇的中文字符会失败。

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

那是因为：

  • "朵" 的 ascii char(gbk 编码) 为 0x96 0x5c
  • 0x5c 是'\'，之后会转义所有内容。
  • 所以，'{a="a朵b"}'变成 '{a="a\150\b"}'，\b 是错误的答案

那么，我永远不会得到正确的输出“a朵b”，“b”被“朵”吃掉......

同样的引用问题发生在 python 中：

exec("""print '''a朶b''' """)

在python中有一些方法可以处理这个问题：

  • 明确定义文件中的编码 - - 编码：gbk - -
  • 使用 utf-8 进行字符串/文件编码

但是lua只支持标准C，有什么引用或转义的想法吗？

顺便说一句，这有效：

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：

如何保持lua中的字符串不转义？（python 做得很好）

s  = "a朶b"
s1 = string.format("%q", s)    -- s escaped
return s                       -- s escaped
print(s)                       -- s escaped
4

3 回答 3

3

正如Lua 邮件列表中所讨论的，Lua 可以很好地处理字符串文字中的 UTF-8。如果您可以将文件保存为 UTF-8，则 Lua 将没有问题。如果您以后需要使用 GBK 编码（例如将其保存在文件中或以编码提供网页），您可以使用lua-iconv库将 UTF-8 文字转换为 GBK：

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

-- assuming the while file is saved in UTF-8, this will output the string in GBK
print(U2G "a朶b")

您可以做的另一件事是在使用loadstring. 然后在将结果呈现给用户时不要忘记从 UTF-8 转换回来。

于 2012-07-11T11:17:29.367 回答
0

在 0x5c 之前插入一个 '\' 怎么样？

于 2012-07-11T07:39:26.787 回答
0

好吧，您的 RawData 只是编码不正确，我认为不值得添加一些“启发式”来猜测其中哪些是多字节或独立的一部分。您应该更改它的序列化程序（或通知他们的开发人员），在将它们放入序列化之前，他们应该转义 Lua 在其字符串中视为特殊的符号。在这种特殊情况下\，必须在将\\字符串添加到序列化之前将所有内容转换为。

如果您的数据源是用某种通用语言编写的，那么可能值得检查一下是否有现成的 Lua 序列化库可用。

于 2012-07-11T07:59:58.173 回答