Lua gmatch奇数字符(斯洛伐克字母)

Question

我试图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 = "KORYTNA?KA"
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,但它提出了一些奇怪的东西:

local str = "KORYTNA?KA"
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？

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。该模式"%a"匹配一字节字符，因此结果不是您所期望的。

该模式"["..str.."]"有效是因为，一个 Unicode 字符可能包含多个字节，在此模式中，它使用一组中的这些字节，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 = "KORYTNA?KA"
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：

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