lua实现查找一个字符串中的某些字符

最新推荐文章于 2024-11-09 17:30:32 发布
转载 最新推荐文章于 2024-11-09 17:30:32 发布 · 4.8k 阅读 · 0
文章标签：

#字符串查找 #lua

本文深入解析Lua编程语言中用于查找子字符串的内置函数string.find的使用方法，通过实例演示如何准确获取目标子串的起始和结束位置，并详细解释查找失败时的返回值及错误处理策略。

local starts, ends = string.find(string, char)

在lua中string的下标从1开始

例：

starts, ends = string.find("ahsss3", "hs")

print(starts, ends)

打印结果是  2, 3

上例如果是查找“sbc”  返回是nil，直接print会报错

Lua语言入门 - 字符串 （一）
qq_40788199的博客
12-05 1103
字符串或串(String)是由数字、字母、下划线组成的一串字符。 在 Lua 中，字符串是一种基本的数据类型，用于存储文本数据。 Lua 中的字符串可以包含任意字符，包括字母、数字、符号、空格以及其他特殊字符。
Lua(模糊查找):判断两个字符串(含中文)是否存在至少一个相同的中文字符
在Redhat7.2环境下用C语言写小游戏
03-08 2730
用过Lua的,应该知道lua有一个截取字符串的接口,string.sub(s,i,j),就是截取字符串s,从第i个字符到第j个字符的字串,这里的一个字符是一个字节,对于英文字母还是阿拉伯数学,不管是utf8编码,还是ansi(GBK)编码,都是一样的,而且对于汉字,前者占3个字节,后者占2个字节,当然还有4个字节的汉字,那如何从一个字符串比如"bg%好-+03打@/f"中准确截取出我们需要的汉字呢...
Lua判断字符串前缀是否为指定字符的3种方法
09-22
主要介绍了Lua判断字符串前缀是否为指定字符的3种方法,本文还对三种方法分别做了性能测试,需要的朋友可以参考下
Lua 字符串查找函数 string.find(s, pattern [, init [, plain]] )
热门推荐
zhangxaochen的专栏
10-18 21万+
原文链接：http://blog.csdn.net/zhangxaochen/article/details/8084396 函数原型 string.find(s, pattern [, init [, plain]] )  s: 源字符串  pattern: 待搜索模式串  init: 可选， 起始位置  plain: 我没用过    ① 子串匹配：   print(s
lua 判断字符串是否包含指定字符
笨死的猪Blog
03-27 5484
在 Lua 中，如果你想判断一个字符串是否包含特定的子字符串（例如a），你可以使用函数。函数会搜索第一个参数（字符串）中第二个参数（子字符串）出现的位置。如果找到了子字符串，它会返回子字符串开始和结束的位置（两个索引）；如果没有找到，它会返回nil。以下是一个示例，展示如何判断一个字符串是否包含a在这个例子中，函数会检查传入的字符串str是否包含a。如果找到了a，函数返回true；否则返回false。然后，我们调用这个函数并打印相应的消息。
Lua字符串查找（包含特殊字符）
qq_41442859的博客
11-22 5919
参数str 被查找的字符串 参数item 需要查找的字符 针对lua中%￥字符的特殊用法导致 参数item 经常被转义，以至于查找字符串错误 下面的方法是按字符转byte一个一个查找的，已经测试过了 function string.contains(str, item) local t = {} local l = {} local index = 0 for i ...
lua 判断字符串是否包含指定字符的方法例子解析
IT老农民的博客
09-01 1202
在 Lua 中，可以使用多种方法来判断一个字符串是否包含指定的字符或子字符串。
Lua中实现按分隔符拆分字符串为数组
最新发布
07-04
在Lua中，可以使用`string.gsub`函数来查找字符串中所有匹配指定分隔符的位置，并将字符串分割成多个部分。 `string.gsub`函数是一个强大的字符串处理函数，其基本用法是将字符串中的所有匹配项替换为指定的内容。...
Lua中操作字符串的基本方法整理
09-22
本文将详细介绍Lua中处理字符串的各种方法，包括字符串的初始化、字符串的操作函数（如大小写转换、子字符串替换、查找、反转及格式化等），以及字符和字节的表示方式。这些都是Lua入门学习的基础知识，对初学者来说...
lua 截取字符串中指定位置的数字
_Athie的博客
03-03 5824
lua 截取字符串中指定位置的数字 需求：在一个字符串中提取指定的数字信息。 问题：description:gsub("%D+", “”)会把字符串的所有数字都提取出来。 解决方案：通过string.find()把提取指定位置的信息，再提取当前信息的数字。 Demo local description = "这是一个带多个123456789数字的<color=#E45C6D>160</color>字符串" local targetNum1 = description:gsub("%D
lua 的string相关方法
12-23
lua中字符串索引从前往后是1,2,……，从后往前是-1，-2……。 string库中所有的function都不会直接操作字符串，只返回一个结果。 【基本函数】 函数 描述 示例 结果 len 计算字符串长度 string.len(“abcd”) 4 rep 返回字符串s的n个拷贝 string.rep(“abcd”,2) abcdabcd lower 返回字符串全部字母大写 string.lower(“AbcD”) abcd upper 返回字符串全部字母小写 string.upper(“AbcD”) ABCD format 返回一个类似printf的格式化字符串 string.format
lua中string.find用法
bob71的博客
08-09 2万+
在lua的string.find方法用法为 string.find(s1, s2) 含义为查找字符串s2在s1中出现的位置，如果找不到，返回nil。 但这个方法实际上是以正则表达式来解释s2的，所以 string.find('if ( i > 10 )', '(') 这个表达式运行时会出现错误unfinished capture。 lua中的正则表达式使用的特殊字符为^$()...
Lua判断字符串包含另一个字符串
枫叶的博客
07-14 3889
返回这个子串的起始索引和结束索引，否则就会返回。
lua判断字符串包含另一个字符串
xiejunna的博客
07-12 4万+
local headers = ngx.req.get_headers() log("headers=="..cjson.encode(headers))
lua 中string.find理解
qq_35378268的博客
05-06 1万+
原型：string.find (s, pattern [, init [, plain]]) 第一个参数 原字符串 第二个参数 需要匹配的字符串 第三个参数 正数表示从第几位开始匹配 负数则是从倒数第几位开始匹配 第四个参数 默认为false 但是填了这个的话第三个参数也要填 参数为true函数只默认简单查找子串"%d"， 参数为false时，函数会按模式匹配查找，"%d"表示查找一个...
Lua查找字符串注意
weixin_30553065的博客
07-18 315
问题： 使用Lua写Wireshark插件时，经常匹配字符串。今天使用string.find()函数查找字符串”max-age”，没有找到。 分析： local index = string.find(content, str) 第一个参数是源字符串，第二个参数是要查找的字符串，注意第二个参数是正则表达式。"-"号是有特殊含义的，需要加转义字符"%"。 解决： 给减号加转义...
lua 字符串
gopher9511的博客
11-09 644
Lua 提供了字符串处理函数，可以方便地处理字符串。使用一对匹配的单引号.例：‘hello’.使用一对匹配的双引号.例：“abclua”.字符串还可以用一种长括号(即[[ ]]) 括起来的方式定义.
lua在字符串中查找是否存在相应的子字符串string.find(s, pattern [, init [, plain]] )
阿斌Blog
11-22 2万+
在字符串中查找是否存在相应的子字符串string.find(s, pattern [, init [, plain]] ) 参数 s - 字符串 pattern - 要查找的模式 init - 可选，开始查找位置，默认为1，可以为负数 plain - 可选，如果为true，禁用模式匹配 返回值 如果找到匹配，返回开始和结束位置；否则为nil 查找 print(
Rime lua如何判断一个字符串里包含中文?
06-26
<think>我们使用Lua进行字符串处理。由于中文字符在UTF-8编码下通常占用3个字节（个别生僻字可能4个字节），但我们可以通过检查字符的编码范围来判断。在UTF-8编码中，中文字符的编码范围一般是：第一个字节：0xE4到0xE9（对应十进制228到233）或者0x80到0xBF（但通常我们看第一个字节的范围）更准确地说，中文字符的Unicode范围主要在4E00-9FFF之间，转换成UTF-8编码后，第一个字节的范围是0xE4（228）到0xE9（233），后面两个字节在0x80（128）到0xBF（191）之间。但是，在Rime的Lua环境中，我们通常处理的是UTF-8编码的字符串。我们可以遍历字符串中的每个字符（UTF-8字符），然后判断该字符的Unicode码是否在中文的范围内（如：0x4E00到0x9FA5，这是常用的中文字符范围，但更全面的范围可以扩展到0x9FFF或更大）。注意：Rime的Lua环境可能没有内置的Unicode处理库，所以我们需要自己写一个简单的UTF-8解码器，或者利用Lua的字符串模式匹配来遍历每个UTF-8字符。方法：遍历字符串中的每个UTF-8字符，然后判断该字符的编码是否在中文的范围内。步骤：1.使用Lua的`for`循环和模式匹配来遍历字符串中的每个UTF-8字符（使用`[%z\1-\127\194-\244][\128-\191]*`这样的模式可以匹配一个UTF-8字符，但更简单的是使用`utf8.codes`，然而Rime的Lua环境可能没有`utf8`库，所以我们用另一种方法）。2.由于Rime的Lua环境可能没有完整的`utf8`库，我们可以自己写一个遍历函数，利用Lua的字符串操作。另一种思路：使用模式匹配来查找是否有中文字符。我们可以使用一个模式来匹配一个中文字符（即编码范围在0x4E00-0x9FFF之间的字符）。在UTF-8编码中，这个范围对应的字节模式为：0xE40x80-0xBF0x80-0xBF到0xE90x80-0xBF0x80-0xBF但是，实际上中文字符的起始范围是0x4E00，对应的UTF-8编码是：111001001011100010000000->0xE40xB80x80结束范围0x9FFF：111010011011111110111111->0xE90xBF0xBF因此，我们可以写一个模式来匹配这个范围内的字符。但是，由于Lua的模式匹配不支持直接指定字节范围（只能指定字符范围，而字节是0-255），我们可以用`[\228-\233][\128-\191][\128-\191]`来匹配，但是注意，并不是这个范围内的所有字符都是中文，因为0xE4到0xE9开头的三字节字符还包括其他语言的字符，但是中文在这个范围内。另外，我们还需要考虑四字节的中文字符？实际上，常用的中文字符都在三字节范围内，四字节的非常少，如果考虑全面，我们可以将四字节的中文字符也包含进来。四字节的中文字符：Unicode扩展区（比如0x20000到0x2A6DF等）是四字节，但数量较少。在Rime输入法中，通常我们只考虑基本多文种平面（BMP）内的中文字符（即0x4E00-0x9FFF）已经足够。因此，我们可以这样判断：如果一个字符串中包含一个三字节的字符，且其编码在0x4E00到0x9FFF之间，那么我们就认为它包含中文。但是，由于我们无法直接用Lua的模式匹配来检查Unicode码点，所以我们可以这样：方案1：遍历字符串，对于每个字节，我们检查连续的三个字节是否符合中文字符的编码范围。但是这种方法需要处理字符串的每个字节，并注意不要越界。方案2：使用Lua的`string.find`函数，并构造一个模式，这个模式能够匹配一个中文字符（即三字节，且第一个字节为0xE4到0xE9，后面两个字节在0x80-0xBF之间）。但是，这个模式会匹配所有三字节的UTF-8字符（包括中文、日文、韩文等），但如果我们只关心中文，那么可以认为只要出现了这样的三字节字符，就可能是中文（因为中文字符数量庞大，出现这样的字符很大概率是中文）。不过，为了更准确，我们可以进一步缩小范围，即第一个字节为0xE4到0xE9，第二个字节和第三个字节在特定范围内，但这样并不完全准确，因为中文字符的编码在这三个字节中分布很广。实际上，我们也可以直接匹配Unicode范围，但需要将UTF-8字节序列转换成Unicode码点。我们可以写一个函数，将三个字节转换为一个码点。由于Rime的Lua环境没有内置这样的转换函数，我们可以自己实现一个简单的转换：对于三字节UTF-8编码：第一个字节高4位是1110，接下来4位是码点的高4位；第二个字节高2位是10，接下来6位是码点的中间6位；第三个字节高2位是10，接下来6位是码点的低6位。所以，码点=(第一个字节低4位)<<12|(第二个字节低6位)<<6|(第三个字节低6位)然后判断这个码点是否在0x4E00到0x9FFF之间。但是，这种方法需要遍历整个字符串，并且每次处理一个字符（可能1-4字节），然后逐个判断。考虑到性能，如果字符串很长，可能会影响输入法的响应速度。不过，通常输入法处理的字符串不会很长。我们选择方案2，但为了准确性，我们只判断是否包含中文字符，而不需要知道具体位置，所以一旦发现一个中文字符就可以返回。实现步骤：1.编写一个函数`contains_chinese(str)`，遍历字符串中的每个UTF-8字符。2.如何遍历：我们用一个索引`i`从1到字符串长度，然后根据当前字节判断这个字符占几个字节。-如果当前字节（设为`byte`）的值在0-127，则为一个字节（ASCII字符），跳过。-如果当前字节在194-223（0xC2-0xDF）之间，则占两个字节，跳过两个字节。-如果当前字节在224-239（0xE0-0xEF）之间，则占三个字节，此时我们取出这三个字节，计算码点，判断是否在0x4E00-0x9FFF之间，如果是，返回true。-如果当前字节在240-244（0xF0-0xF4）之间，则占四个字节，跳过四个字节（或者也可以计算码点，判断是否在扩展中文区域，但这里我们只考虑基本区，所以四字节的我们暂时忽略？或者也可以检查扩展区的中文，但扩展区范围较大，且使用较少，我们可以暂时忽略，或者只判断基本区就够了）。3.注意：跳过字符时，我们需要检查后面是否还有足够的字节。但是，为了简化，我们只考虑三字节的中文基本区。因为四字节的中文非常少见，而且输入法输入时通常不会输入（除非是生僻字），所以忽略它们对实际应用影响不大。另外，我们也可以利用Rime自带的字符类型判断？但是Rime的Lua环境并没有提供这样的函数。因此，我们决定写一个遍历函数，只检查三字节的字符，并且码点在0x4E00到0x9FFF之间。具体代码实现：```luafunctioncontains_chinese(str)locali=1locallen=string.len(str)whilei<=lendolocalc=string.byte(str,i)--单字节字符ifc<0x80theni=i+1--两字节字符elseifc>=0xC0andc<=0xDFtheni=i+2--三字节字符elseifc>=0xE0andc<=0xEFthen--检查后面两个字节是否存在ifi+2>lenthenbreakendlocalb1=string.byte(str,i+1)localb2=string.byte(str,i+2)--检查b1和b2是否在0x80-0xBF之间ifb1andb2andb1>=0x80andb1<=0xBFandb2>=0x80andb2<=0xBFthen--计算码点localcode_point=(c%0x10)*0x1000+(b1%0x40)*0x40+(b2%0x40)--判断是否在中文基本区ifcode_point>=0x4E00andcode_point<=0x9FFFthenreturntrueendendi=i+3--四字节字符elseifc>=0xF0andc<=0xF7theni=i+4else--其他情况（如无效字节），跳过一字节i=i+1endendreturnfalseend```注意：上面的计算码点的方式是：c的低4位（因为高4位是1110）作为高4位，乘以2^12（即0x1000）；b1的低6位作为中间6位，乘以2^6（即0x40）；b2的低6位作为低6位。所以：code_point=(c%16)*4096+(b1%64)*64+(b2%64)但是，这样计算对吗？我们以字符'一'为例，它的Unicode码点是0x4E00，UTF-8编码是0xE40xB80x80。c=0xE4->228,228%16=4->4*4096=16384b1=0xB8->184,184%64=56->56*64=3584b2=0x80->128,128%64=0所以code_point=16384+3584+0=19968->0x4E00，正确。因此，这个计算方式是正确的。但是，上面的代码只检查了三字节字符中在中文基本区的字符。如果字符串中包含四字节的中文字符，则不会被检测到。如果需要检测四字节的中文字符，可以类似地处理四字节字符，并检查其码点是否在扩展区（比如0x20000到0x2A6DF等），但这里我们省略。另外，上面的代码只检查了后面两个字节是否在0x80-0xBF之间，如果不在，则跳过这个字符（因为可能是无效的UTF-8序列），我们不做处理，直接跳过。使用这个函数，我们就可以判断字符串中是否包含中文了。但是，在Rime输入法中，我们可能更希望用简单的方法：直接匹配三字节的字符，并且第一个字节在0xE4到0xE9之间（因为0xE4到0xE9覆盖了4E00到9FFF的UTF-8编码的第一个字节）。这样我们可以不用计算码点，但准确性稍差（因为0xE0到0xE3开头的三字节字符不在中文基本区，而0xEA到0xEF开头的三字节字符可能是其他语言的字符，也可能包括一些扩展汉字，但扩展汉字很少）。因此，我们可以简化：只检查第一个字节在0xE4到0xE9之间的三字节字符，就认为是中文字符。这样虽然会漏掉0xE4之前的和0xE9之后的，但是中文基本区大部分都在这个范围内。不过，0x4E00到0x4E00+0x1000（即0x5E00）之间的字符用0xE4表示，0x5E00到0x6E00之间的字符用0xE5表示，依此类推，直到0x9E00到0x9FFF用0xE9表示。所以，0xE4到0xE9覆盖了0x4E00到0x9FFF的大部分，但严格来说，0x9FFF是0xE9开头的最后一个字符，所以覆盖完整。所以，我们可以这样写：```luafunctioncontains_chinese(str)locali=1locallen=string.len(str)whilei<=lendolocalc=string.byte(str,i)ifc>=0xE4andc<=0xE9then--检查后面两个字节是否存在ifi+2<=lenthenlocalb1=string.byte(str,i+1)localb2=string.byte(str,i+2)--检查b1和b2是否在0x80-0xBF之间ifb1andb2andb1>=0x80andb1<=0xBFandb2>=0x80andb2<=0xBFthenreturntrueendendi=i+3elseifc<0x80theni=i+1elseifc>=0xC0andc<=0xDFtheni=i+2elseifc>=0xE0andc<=0xEFtheni=i+3elseifc>=0xF0andc<=0xF7theni=i+4elsei=i+1endendreturnfalseend```这个版本更简单，而且性能更好，因为一旦遇到0xE4到0xE9之间的字节，并且后面两个字节是有效的，就返回true。但需要注意的是，0xE4到0xE9之间的字节开头的三字节字符并不全是中文，比如藏文、蒙古文等也在三字节范围内，但是它们的第一个字节可能不在0xE4到0xE9之间（比如藏文是0xF0开头，四字节）。所以，这个简化版本在大多数情况下是准确的（因为中文输入法处理的文本中，出现0xE4到0xE9开头的三字节字符，基本就是中文）。因此，我们可以使用这个简化版本。但是，为了确保不遗漏，我们也可以将范围扩大到0xE0到0xEF，然后检查码点是否在中文范围内。不过，我们之前已经写了一个计算码点的版本，所以我们可以结合一下：先通过第一个字节范围缩小到三字节字符，然后计算码点，再判断是否在中文基本区。这样既不会误判，也不会漏判。考虑到性能，我们可以先判断第一个字节是否在0xE0到0xEF之间（三字节），然后计算码点，再判断是否在0x4E00到0x9FFF之间。这样代码既准确又不会太慢。修改后的代码：```luafunctioncontains_chinese(str)locali=1locallen=string.len(str)whilei<=lendolocalc=string.byte(str,i)--三字节字符ifc>=0xE0andc<=0xEFthenifi+2<=lenthenlocalb1=string.byte(str,i+1)localb2=string.byte(str,i+2)ifb1andb2andb1>=0x80andb1<=0xBFandb2>=0x80andb2<=0xBFthen--计算码点localcode_point=(c%0x10)*0x1000+(b1%0x40)*0x40+(b2%0x40)ifcode_point>=0x4E00andcode_point<=0x9FFFthenreturntrueendendendi=i+3elseifc<0x80theni=i+1elseifc>=0xC0andc<=0xDFtheni=i+2elseifc>=0xF0andc<=0xF7theni=i+4elsei=i+1endendreturnfalseend```这个版本检查所有三字节字符，但只对在中文基本区内的字符返回true。现在，我们可以在Rime的Lua脚本中使用这个函数了。示例使用：ifcontains_chinese("hello")then...end--返回falseifcontains_chinese("你好")then...end--返回true注意：这个函数只能检测中文基本区，如果字符串中包含扩展区的中文字符，则不会被检测到。如果需要检测扩展区，可以类似地处理四字节字符，并判断码点是否在扩展区范围内。考虑到扩展区的中文字符在输入法中较少使用，我们可以暂时忽略。因此，我们提供上述函数作为解决方案。最后，由于Rime的Lua环境可能对性能要求较高，如果字符串很长，这个函数可能会稍微耗时。但在输入法场景中，字符串通常是用户输入的内容，长度有限，所以可以接受。另外，如果Rime的Lua环境支持`utf8`库（比如在较新的Lua版本中），我们可以使用更简单的方法：```lua--如果支持utf8库functioncontains_chinese(str)for_,cinutf8.codes(str)doifc>=0x4E00andc<=0x9FFFthenreturntrueendendreturnfalseend```但是，Rime的Lua环境通常不支持`utf8`库（因为Rime使用的是Lua5.1，且没有包含utf8库）。所以，我们使用前面的方法。综上所述，我们选择遍历并计算码点的方法。代码已给出，并附有详细注释。</think>在 Rime 的 Lua 脚本中判断字符串是否包含中文，可以通过检查字符的 Unicode 范围来实现。中文汉字主要分布在 Unicode 的 **CJK Unified Ideographs** 区域（U+4E00 到 U+9FFF）。以下是完整的解决方案： ### Lua 实现代码 ```lua function contains_chinese(str) for uchar in string.gmatch(str, "[%z\1-\127\194-\244][\128-\191]*") do local byte = string.byte(uchar) -- 检查三字节字符 (中文通常为三字节UTF-8) if #uchar == 3 and byte >= 0xE4 and byte <= 0xE9 then local code = (byte % 16) * 4096 + (string.byte(uchar, 2) % 64) * 64 + (string.byte(uchar, 3) % 64) if code >= 0x4E00 and code <= 0x9FFF then return true end end end return false end -- 测试用例 print(contains_chinese("Hello World")) -- false print(contains_chinese("你好,世界!")) -- true print(contains_chinese("こんにちは")) -- false (日文) print(contains_chinese("안녕하세요")) -- false (韩文) print(contains_chinese("Mixed 中文 English")) -- true ``` ### 代码解释 1. **UTF-8 字符遍历**： ```lua for uchar in string.gmatch(str, "[%z\1-\127\194-\244][\128-\191]*") do ``` - 使用 `string.gmatch` 和 UTF-8 模式匹配遍历字符串中的每个字符。 - 模式说明： - `[%z\1-\127]`：匹配单字节 ASCII 字符 - `[\194-\244]`：匹配多字节字符的首字节 - `[\128-\191]*`：匹配多字节字符的后续字节 2. **中文检测逻辑**： ```lua if #uchar == 3 and byte >= 0xE4 and byte <= 0xE9 then ``` - 中文在 UTF-8 中通常占用 3 字节（基本汉字区）。 - 首字节范围 `0xE4-0xE9` 对应汉字区的 UTF-8 编码。 3. **Unicode 码点计算**： ```lua local code = (byte % 16) * 4096 + (string.byte(uchar, 2) % 64) * 64 + (string.byte(uchar, 3) % 64) ``` - 将 UTF-8 的三字节编码转换为 Unicode 码点。 - 计算公式： `code = (b1 & 0x0F) << 12 | (b2 & 0x3F) << 6 | (b3 & 0x3F)` 4. **中文范围检查**： ```lua if code >= 0x4E00 and code <= 0x9FFF then ``` - Unicode 汉字基本区范围：`U+4E00` 到 `U+9FFF`（共 20,992 个汉字）。 ### 注意事项 - **扩展汉字区**：如需支持扩展汉字（如 `U+20000` 到 `U+2A6DF`），需额外处理四字节 UTF-8 字符。 - **性能优化**：当检测到第一个中文汉字时立即返回 `true`，避免不必要的遍历。 - **编码范围**：此实现严格区分中文与其他 CJK 字符（日文、韩文）。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值