主页 / coding / 问题 / 78309427
Accepted
An5Drama
Asked: 2024-04-11 17:40:17 +0800 CST

lua中中文单词前一个可选空格模式的正则表达式

  • 772

我尝试使用string.match("Í",'%s?[\u{4e00}-\u{9FFF}]+')类似于我们在 JS 或其他语言中工作的方式。但它会匹配一个不必要的字符，如上面的“Í”。

匹配 UTF-8 的官方实现是使用 eacape\ddd但\u{XXX}似乎失败了，因为

Lua 的模式匹配工具逐字节工作

暂时，我使用类似于以下的不稳定解决方法utf8.charpattern：string.match("Í",'%s?[\228-\233][%z\1-\191][%z\1-\191]')基于utf8 编码将输出nil并用于检查 cjk（如“我”），尽管它的左起第二个字节有一个错误的范围。

问：

如何用正则表达式解决这个问题？

unicode

1 个回答

  1. Best Answer
    1. Lua 模式不是正则表达式。正则表达式具有 Lua 模式所没有的功能（例如分组、可能嵌套和选择），并且 Lua 模式具有正则表达式（至少在形式语言意义上）所没有的功能（例如%b, %1）。
    2. 你是对的：Lua 模式不在“代码点”上运行，它们在字节上运行。这就是为什么\u{4e00}-\u{9FFF}行不通的原因：Lua 在这里看到的是\228\184\128-\233\191\191，相当于\184\191\228\128-\233，这与你想要的非常不同（值得注意的是，范围突然从\128到\233）。我认为与在源代码中显示为单个代码点的多字节“字符”的交互-有点像枪炮。

    由于您想要一个纯 Lua 解决方案，并且考虑到您的模式的简单性，因此手工解决方案是可行的：

    local codepoints = {}
for _, c in utf8.codes(s) do
    if utf8.char(c):match"^%s$" and codepoints[1] == nil then
        codepoints[1] = c
    elseif c >= 0x4e00 and c <= 0x9FFF then
        table.insert(codepoints, c)
    else
        codepoints = {}
    end
end
local match = utf8.char(table.unpack(codepoints))
if match:match"^%s?$" then match = nil end -- single space or empty string
    • 1

相关问题