8

我正在尝试从斯洛伐克语中的单词字符串中提取字符。例如，“TURTLE”的单词是“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

我正在阅读这个页面，我也尝试将字符串本身作为一个集合粘贴，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

有谁知道如何解决这个问题？

4

4 回答 4

5

Lua 是 8 位干净的，这意味着 Lua 字符串假定每个字符都是一个字节。该模式"%a"匹配单字节字符，因此结果不是您所期望的。

该模式"["..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，它在一个集合中使用这些字节，以便它可以匹配该字符。

如果使用 UTF-8，您可以使用该模式"[\0-\x7F\xC2-\xF4][\x80-\xBF]*"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（这是 Corona SDK 使用的版本）中，使用这个：

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Lua 5.1 中“[\0-\x7F\xC2-\xF4][\x80-\xBF]*”的等效模式。

于 2014-04-09T06:11:52.497 回答
1

Lua 没有对 Unicode 字符串的内置处理。您可以看到这Ä,Œ是一个 2 个字节，代表一个Č字符的 UTF-8 编码。

Yu Hao 已经提供了示例解决方案，但更多细节here是很好的来源。

我已经测试并发现这个解决方案在 Lua 5.1 中正常工作，保留链接。utf8sub您可以使用函数提取单个字符，请参见示例。

于 2014-04-09T06:16:34.570 回答
0 
string.gmatch(str, "[%z\1-\127\192-\253][\128-\191]*")
于 2018-07-13T09:34:38.790 回答
0

使用utf8插件。然后替换string.gmatch为utf8.gmatch.

示例（在 Win7 上测试，它适用于我）

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"
        },
    },      
}

阅读更多 ：

祝你今天过得愉快：）

于 2018-07-14T08:40:48.907 回答