Lua 截取字符串（截取utf-8格式字符串）

对utf-8完全没概念的可以看看我上一篇随笔：简单说说utf-8编码格式

另外，还要知道string.sub 和 string.byte 的用法。

先上完整代码：

local  StringHelper = {}--[[
utf-8编码规则
单字节 - 0起头1字节  0xxxxxxx   0 - 127
多字节 - 第一个字节n个1加1个0起头2 字节 110xxxxx   192 - 2233 字节 1110xxxx   224 - 2394 字节 11110xxx   240 - 247
可能有1-4个字节
--]]
function StringHelper.GetBytes(char)if not char thenreturn 0endlocal code = string.byte(char)if code < 127 thenreturn 1elseif code <= 223 thenreturn 2elseif code <= 239 thenreturn 3elseif code <= 247 thenreturn 4else-- 讲道理不会走到这里^_^return 0end
endfunction StringHelper.Sub(str, startIndex, endIndex)local tempStr = str local byteStart = 1 -- string.sub截取的开始位置local byteEnd = -1 -- string.sub截取的结束位置local index = 0  -- 字符记数local bytes = 0  -- 字符的字节记数startIndex = math.max(startIndex, 1)endIndex = endIndex or -1while string.len(tempStr) > 0 do     if index == startIndex - 1 thenbyteStart = bytes+1;elseif index == endIndex thenbyteEnd = bytes;break;endbytes = bytes + StringHelper.GetBytes(tempStr)tempStr = string.sub(str, bytes+1)index = index + 1endreturn string.sub(str, byteStart, byteEnd)
end

基本思路：

之所以要自己写一个截取函数，是因为lua的库函数string.sub实际是字节的截取函数。

uft-8编码格式中，大部分中文是3个字节表示的，数字和字母等是一个字节的，还有某些国家的语言是2字节的，直接用string.sub就可能截出乱码来，因为不确定要截多少个字节。

所以，

定义一个GetBytes函数，获取字符的字节数（根据首个字节的高位标记，判断是几字节的字符）

然后不断后移，记录字节数和字符数。

如上图，假设要取字符3-4，那么应该从第3个字符的第一个字节取到第4个字最后一个字节

即：

当前字符数为截取的起始字符（startIndex）前一个位置时，说明从下一个字节开始截取字符串即 index == startIndex - 1 时 byteStart = bytes+1

当前字符数为截取的终止字符（endIndex）时，说明要截取的字符串到此为止即 index == endIndex 时 byteEnd = bytes

用 string.sub(str, byteStart, byteEnd) 就能截取byteStart 到 byteEnd 的字节

测试代码：

str = "中1文*a字符串勉強します";
print(StringHelper.Sub(str, 3, 4))
print(StringHelper.Sub(str, 1, 4))
print(StringHelper.Sub(str, 8))
print(StringHelper.Sub(str, 2, 12))

测试结果：

Lua 截取字符串（截取utf-8格式字符串）相关推荐

c语言字符串 s,c – printf格式字符串中“％ – *.* s”的含义是什么
你可以在这里阅读printf的手册页: http://pubs.opengroup.org/onlinepubs/009695399/functions/fprintf.html.但是它更像是法律文本 ...
笔记｜Python 文档注解｜strftime 和 strptime（时间格式字符串）
Python 3 官方文档地址:https://docs.python.org/zh-cn/3/library/datetime.html#strftime-and-strptime-behavior ...
day-9 格式字符串和函数基础
格式字符串和函数基础格式字符串格式化字符串:格式占位符 ''' 语法:包含格式占位符的字符串 % (数据1, 数据2, ...) 说明:括号中数据的个数需要格式占位符的个数保持一致格式占位符: % ...
r 字符串转化为数值_Lua 字符串处理
今天项目中遇到一个字符串处理的通用函数,一时不明白胡乱搜索后才发现原来是字符串处理库里面的通用函数,想着该理一遍字符串. 这个库提供了字符串处理的通用函数.例如字符串查找,子串,模式匹配等.当在Lua ...
java字符串大括号_string.format格式化字符串中转义大括号“{}”
今天,用Java读取配置文件占位符,使用String.Format(string format,object arg0)方法.以前只知"{0}"为索引占位符(即格式项),与参数列表 ...
mysql中字符串转时间戳_MySQL日期字符串时间戳互转
mysql时间转换和事务涉及的函数 date_format(date, format) 函数,MySQL日期格式化函数date_format() unix_timestamp() 函数 str_to ...
mysql截取字符串中的部分内容,mysql截取_Mysql批量截取特定格式字符串的最后一部分...
摘要腾兴网为您分享:Mysql批量截取特定格式字符串的最后一部分,有道英语,学宝,虚拟助手,微视等软件知识,以及点对点,凯立德端口,中信,小霸王,天天识字,画地图,洪恩数学,傲天,rar密码移除工具 ...
MySQL截取字符串和转换日期格式
文章目录截取字符串从左开始截取字符串从右开始截取字符串截取特定长度的字符串按关键字进行读取转换日期可以使用的格式截取字符串从左开始截取字符串 left(str, length) 说明 ...
shell中（字符串截取）
cut是以每一行为一个处理对象的,这种机制和sed是一样的.(关于sed的入门文章将在近期发布) 2 cut一般以什么为依据呢? 也就是说,我怎么告诉cut我想定位到的剪切内容呢? cut命令主要是接 ...
MySQL字符串截取函数
2019独角兽企业重金招聘Python工程师标准>>> 1.从左开始截取字符串 left(str, length) 说明:left(被截取字段,截取长度) 例:select left ...

Lua 截取字符串（截取utf-8格式字符串）

Lua 截取字符串（截取utf-8格式字符串）相关推荐

最新文章

热门文章