字符串库

    --[[ lua function
    -- 大小写转换
    --print(string.upper(msg))
    --print(string.lower(msg))
    --print(msg:upper())
    --print(msg:lower())

    -- 重复字符串
    --print(string.rep(msg, 2))
    --print(msg:rep(2))

    -- 截取子串
    print(string.sub(msg, 3, -1)) -- -1表示最后1位字符 -2代表倒数第2个字符

    a = "[Hello World!]"
    a = a:sub(2, -2)  -- 字符串是不可变的
    print(a) -- 表示去掉第1个和最后1个字符

    -- 字符与asc码转换
    print(string.char(97))        --> a
    i = 99;print(string.char(i, i+1, i+2))    --> cde
    print(string.byte("abc"))        --> 97
    print(string.byte("abc", 2))        --> 98
    print(string.byte("abc", -1))        --> 99

    -- 格式化字符串
    print(string.format("%s, %d", "===", i))

    -- 查找子串
    i, j = string.find(a, "Hello")  -- i,j分别为找到的起始索引与结束索引,没找到返回nil
    print(a:sub(i, j))

    -- 匹配查找
    data = "Today is 1/29/2018"
    -- print(data:match("%d+/%d+/%d+"))

    -- 替换字符串
    print(data:gsub("Today", "YesToday"))  -- 返回值: 替换后的字符串 替换的次数

    count = select(2, data:gsub(" ", " ")) -- 统计字符串中空格的个数
    print(count)

    -- string.gmatch 会返回一个函数,通过这个函数可以遍历到所有出现指定模式的地方
    words = {}
    for w in string.gmatch(data, "%a+") do
        words[#words+1] = w
    end
    print("words : #", #words)
    ]]

  原始的Lua解释器操作字符串的能力是很有限的。一个程序只能创建字符串常量、连接字符串及获取字符串的长度。它无法提取子串或者检索字符串的内容。在Lua中真正的字符串操作能力来源于字符串库。

  字符串库中的所有函数都导出在模块string中。在Lua5.1中,它还将这些函数导出作为string类型的方法。这样,假设要将一个字符串转换到大写形式,可以写string.upper(s),也可以写s:upper()。但是为了避免与Lua5.0不兼容,在本书的大多数示例中将采用基于模块的写法。

  

基础字符串函数

  字符串库中有一些函数非常简单。函数string.len(s)可返回字符串s的长度。函数string.rep(s, n)(或s:rep(n))可返回字符串s重复n次的结果。例如,可以用string.rep("a", 2^20)来创建一个1MB的字符串。函数string.lower(s)可返回一份s的副本,其中所有的大写字母都被转换成小写形式,而其他字符则保持不变。string.upper与之相反,它将小写转换成大写。大小写转换函数有一个典型用途,假设要对一个字符串数组进行排序,并且不区分大小写,可以这样写:

    table.sort(a, function(a, b)
        return string.lower(a) < string.lower(b)
    end)

  函数string.upperstring.lower都遵循当前的区域设置(local)。因此,如果在EuropeanLatin-1区域工作,那么表达式string.upper("acao")的结果就是“ACAO”。

  函数string.sub(s,i,j)可以从字符串s中提取第i个到第j个字符。在Lua中,字符串的第一个字符的索引是1。还可以用负数索引,这样会从字符串的尾部开始计数,索引-1代表字符串的最后一个字符,-2代表倒数第二个字符,以此类推。这样,调用函数string.sub(s,1,j)s:sub(1,j),就可以得到字符串s中长度为j的前缀。调用string.sub(s,j,-1)s:sub(j),就可以得到字符串中从第j个字符开始的一个后缀。调用string.sub(s,2,-2)可以返回去掉字符串s的第一个和最后一个字符后的复制。

    s = "[in brackets]"
    print(string.sub(s, 2, -2)        --> in brackets

  记住,Lua中的字符串是不可变的。和Lua中的所有其他函数一样,string.sub不会改变字符串的值,它只会返回一个新字符串。一种常见的错误是这么写:

    string.sub(s, 2, -2)      -- ❌

  这里假定s的值就这样被改变了。如果要改变一个变量的值,就必须赋予它一个新的值:

    s = string.sub(s, 2, -2)

  函数string.charstring.byte用于转换字符及其内部数值表示。string.char函数接受零个或多个整数,并将每个整数转换成对应的字符,然后返回一个由这些字符连接而成的字符串。string.byte(s,i)返回字符串s中第i个字符的内部数值表示,它的第二个参数是可选的,调用string.byte(s)可返回字符串s中第一个字符的内部数值表示。在下例中,假定字符是用ASCII表示的:

    print(string.char(97))        --> a
    i = 99;print(string.char(i, i+1, i+2))    --> cde
    print(string.byte("abc"))        --> 97
    print(string.byte("abc", 2))        --> 98
    print(string.byte("abc", -1))        --> 99

  最后一行用了一个负数索引来访问字符串的最后一个字符。

  在Lua5.1中,string.byte还可以接受可选的第三个参数。调用string.byte(s,i,j)可以返回索引ij之间(包括ij)的所有字符的内部表示值。

    print(string.byte("abc", 1, 2))        --> 97 98

  j的默认值是i,因此在调用该函数时若不指定这个参数,那么就只返回第i个字符的值,这就与Lua5.0一样了。还有一种习惯写法是{s:byte(1,-1)},这种写法会创建一个table,其中包含了s中所有字符的编码。有了这个table,就可以调用string.char(unpack(t))来重建原字符串。但是,由于Lua限制了一个函数的返回值数量,因此这项技术无法应用于较长的字符串。

  函数string.format是用于格式化字符串的利器,经常用在输出上。它会根据第一个参数的描述,返回后续其他参数的格式化版本,这第一个参数也称为“格式化字符串”。编写格式化字符串的规则,与标准C语言中printf等函数的规则基本相同:它由常规文本和指示(directive)组成,这些指示控制了每个参数应放到格式化结果的什么位置,及如何放入它们。一个指示由字符‘%’加上一个字母组成,这些字母指定了如何格式化参数,例如‘d’用于十进制数、‘x’用于十六进制数、‘o’用于八进制数、‘f’用于浮点数和‘s’用于字符串等。在字符‘%’和字母之间可以再指定一些其他选项,用于控制格式的细节。例如,指定一个浮点数中有几个十进制数字。

    print(string.format("pi = %.4f", math.pi))        --> pi = 3.1416
    d = 5; m = 11; y = 1990
    print(string.format("%02d/%02d/%04d", d, m, y))        --> 05/11/1990
    tag, title = "h1", "a title"
    print(string.format("<%s>%s<%s>", tag, title, tag))        --> <h1>a title<h1>

  在第一次打印中,%.4f表示一个浮点数的小数点后有4位数字。在第二次打印中,%02d表示一个十进制数字至少有两个数字,如不足两个数字,则用0补足;而指示%2d则表示用空格来补足。关于这些指示的完整描述可以参数Lua参考手册。或者查阅C语言手册,因为Lua是通过调用C标准库来完成实际的工作。

  

模式匹配(pattern-matching)函数

  字符串库中最强大的函数是findmatchgsub(global substitution,全局替换)和gmatch(global match,全局匹配),它们都是基于“模式(pattern)”的。

  不同于其他脚本语言,Lua既没有使用POSIX(regexp),也没有使用Perl正则表达式来进行模式匹配。其原因主要是考虑到Lua的大小。一个典型的POSIX正则表达式实现需要超过4000行代码,这相当于所有Lua标准库加在一起的大小。而相比之下,Lua采用的模式匹配实现的代码只有500行不到。当然,Lua的模式匹配所能达到的功能不及完整的POSIX实现。但是,Lua的模式匹配仍是一个强大的工具,并且它还具有一些特性,能在进行某些匹配时,比标准POSIX实现更为方便。

  

  ● string.find函数

  string.find函数用于在一个给定的目标字符串中搜索一个模式。最简单的模式就是一个单词,它只会匹配与自己完全相同的拷贝。例如,模式“hello”会搜索目标字符串中的子串“hello”。当find找到一个模式后,它会返回两个值:匹配到的起始索引和结尾索引。如果没有找到任何匹配,它就返回nil

    s = "hello world"
    i, j = string.find(s, "hello")
    print(i, j)            --> 1 5
    print(string.sub(s, i, j))    --> hello
    print(string.fin(s, "world")    --> 7 11
    i, j = string.find(s, "l")
    print(i, j)            --> 3 3
    print(string.find(s, "llll"))        --> nil

  如果匹配成功,就可以用string.find的返回值来调用string.sub,以此提取出目标字符串中匹配于该模式的那部分子串。

  string.find函数还具有一个可选的第三个参数,它是一个索引,告诉函数应从目标字符串的哪个位置开始搜索。当处理所有与给定模式相匹配的部分时,这个参数就很有用。可以重复搜索新的匹配,且每次搜索都从上一次找到的位置开始。下面这个示例用字符串中所有换行符的位置创建了一个table

    local t = {}        -- 存储索引的table
    local i = 0
    while true do
        i = string.find(s, "\n", i+1)        -- 查找下一个换行符
        if i == nil then break end
        t[#t + 1] = i
    end

  接下来将介绍一种更简单的方法来编写这个循环,其中用到了string.gmatch迭代器。

  

  ● string.match函数

  从某种意义上说,函数string.matchstring.find非常相似,它也是用于在一个字符串中搜索一种模式。不同之处在于,string.match返回的是目标字符串中与模式相匹配的那部分子串,而非该模式所在的位置。

    print(string.match("hello world", "hello"))        --> hello

  对于固定的模式,例如“hello”,使用这个函数就没有什么意义了。但当使用变量模式(Variable Pattern)时,它的特性就显现出来了,如下示例:

    date = "Today is 17/7/1990"
    d = string.match(date, "%d+/%d+/%d+")
    print(d)        --> 17/7/1990

  在后面将会讨论模式“%d+/%d+/%d+”的含义及string.match的高级用法。

  

  ● string.gsub函数

  string.gsub有3个参数:目标字符串、模式和替换字符串。它的基本用法是将目标字符串中所有出现模式的地方替换为替换字符串(最后一个参数):

    s = string.gsub("Lua is cute", "cute", "great")
    print(s)            --> Lua s great
    s = string.gsub("all lii", "l", "x")
    print(s)            --> axx xii
    s = string.gsub("Lua is great", "Sol", "Son")
    print(s)            --> Lua is great

  另外还有可选的第四个参数,可以限制替换的次数:

    s = string.gsub("all lii", "l", "x", 1)
    print(s)            --> axl lii
    s = string.gsub("all lii", "l", "x", 2)
    print(s)            --> axx lii

  函数string.gsub还有另一个结果,即实际替换的次数。例如,以下代码就是一种统计字符串中空格数量的简单方法:

    count = select(2, string.gsub(str, " ", " "))

  

  ● string.gmatch函数

  string.gmatch会返回一个函数,通过这个函数可以遍历到一个字符串中所有出现指定模式的地方。例如,以下示例找出了给定字符串s中所有的单词:

    words = {}
    for w in string.gmatch(s, "%a+") do
        words[#words + 1] = w
    end

  其中模式“%a+”表示匹配一个或多个字母字符的序列(也就是单词)。在本例中,for循环会遍历目标字符串中所有的单词,并且将它们储存到列表words中。

  通过gmatchgsub可以模拟出Lua中的require在寻找模块时所用的搜索策略,如下:

    function search(modname, path)
        modname = string.gsub(modname, "%.", "/")
        for c in string.gmatch(path, "[^;]+") do
            local fname = string.gsub(c, "?", modname)
            local f = io.open(fname)
            if f then
                f:close()
                return fname
            end
        end
        return nil        -- 未找到
    end

  首先,用点符号来替换所有的目录分隔符,示例假设目录分隔符未‘/’。接下去我们就会看到,在模式中“点”具有特殊的含义,因此若要表示一个点必须写为“%.”。其次,函数遍历路径中的所有组成部分,这里所谓的组成部分是指那些不包含分号的最长子串。对于每个组成部分,都用模块名来替换其中的问号,以此获得最终的文件名。最后,检查该文件是否存在。如果存在,则关闭该文件,并返回它的名称。

  

   模式

  可以用字符分类(character class)创建更多有用的模式。字符分类就是模式中的一项,可以与一个特定集合中的任意字符相匹配。例如,分类%d可匹配任意数字。如下例可以用模式“%d%d/%d%d/%d%d%d%d”搜索符合“dd/mm/yyyy”格式的日期:

    s = "Deadline is 30/05/1999, firm"
    date = "%d%d/%d%d/%d%d%d%d"
    print(string.sub(s, string.find(s, data)))        --> 30/05/1999

  下表列出了所有的字符分类:

. 所有字符
%a 字母
%c 控制字符
%d 数字
%l 小写字母
%p 标点符号
%s 空白字符
%u 大写字母
%w 字母和数字字符
%x 十六进制数字
%z 内部表示为0的字符

  这些分类的大写形式表示它们的补集,例如,“%A”表示所有非字母字符:

    print(string.gsub("hello, up-down!", "%A", "."))
    --> hello..up.down.4

  注意,打印出的“4”不是结果字符串的一部分,而是gsub的第二个结果,即替换的次数。在后续打印gsub结果的示例里,将忽略这个计数结果。

  在模式中还有一些字符被称为“魔法字符”,它们具有特殊的含义。这些魔法字符有:

    ( ) . % + - * ? [ ] ^ $

  字符‘%’作为这些魔法字符的转义符。因此“%.”表示匹配一个点,“%%”表示匹配字符‘%’本身。不仅可以将‘%’用于魔法字符,还可以用于其他所有非字母和数字的字符。当不确定某个字符是否需要转义时,应该前置一个转义符。

  对于Lua来说,模式就是普通的字符串,并像其他字符串一样遵循相同的规则。只有模式函数才会解释它们,此时才会将‘%’当作转义符来处理。在模式中放入一个引号的方法,与在普通字符串中放入引号的方法相同。也就是说,需要用Lua的转义符‘\’来对引号进行转义。

  在一对方括号内将不同的字符分类或单个字符组合起来,即可创建出属于用户自己的字符分类,这种新的字符分类叫做“字符集(char-set)”。例如,字符集“[%w_]”表示同时匹配字母、数字和下划线;字符集“[01]”表示匹配二进制数字;字符集“[%[%]]”表示匹配方括号本身。若要统计一段文本中元音的数量,可以这么写:

    nvow = select(2, string.gsub(text, "[AEIOUaeiou]", ""))

  在字符集中包含一段字符范围的做法是写出字符范围的第一个字符和最后一个字符,并用横线连接它们。这个方法用的很少,因为大多数常用的字符范围都已预定义好了,例如“[0-9]”即为“%d”,“0-9a-fA-F”则为“%x”。不过,如果需要查找一个八进制数字,那么可以写“[0-7]”而不是“[01234567]”。在一个字符集前加一个‘^’,就可以得到这个字符集的补集,像上例模式“[^0-7]”表示所有非八进制数字的字符,而模式“[^\n]”则表示除了换行符以外的其他字符。对于简单的分类,使用其大写形式也可以得到其补集,“%S”显然要比“[^%s]”简单。

  字符分类使用与Lua相同的区域设置。因此,“[a-z]”可能并不等于“%l”。在某些区域设置中,后者可能会包括像“ç”和“ã”这样的字母。一般情况下,选用后者,因为它更简单、更具移植性、也更高效。

  还可以通过修饰符来描述模式中的重复部分和可选部分。Lua的模式提供4种修饰符:

+ 重复1次或多次
* 重复0次或多次
- 也是重复0次或多次
? 可选部分(出现0或1次)

  “+”修饰符可匹配属于字符分类的一个或多个字符。它总是获取与模式相匹配的最长序列,例如,模式“%a+”表示一个或多个字母,即单词:

    print(string.gsub("one, and two; and three", "%a+", "word"))
    --> word, word word; word word

  模式“%d+”匹配一个或多个数字(一个整数):

    print(string.match("the number 1298 is evn", "%d+"))    --> 1298

  修饰符“*”类似于“+”,但它还接受出现0次的情况。一种典型的用途是匹配一个模式不同部分之间的空格。例如,匹配像“()”或“()”这样的一对空圆括号,可以使用模式“%(%s*%)”。其中“%s*”可匹配0个或多个空格。另一个示例是用模式“[_%a][_%w]*”匹配Lua程序中的标识符,标识符是一个由字母或下划线开始,并伴随0个或多个下划线、字母或数字的序列。

  修饰符‘-’和‘*’一样,也是用于匹配属于字符分类的0个或多个字符的。不过,它会匹配最短的子串。虽然有时候“*”和“-”没什么差别,但通常它们所表现出来的结果却是截然不同的。例如,当试图用模式“[_%a][_%w]-”来查找一个标识符时,只会找到第一个字母,因为“[_%w]-”总是匹配空串。又如,假设要查找一个C程序中的注释,通常会首先尝试“/%*.*%*/”,然后由于“.*”会尽可能地扩展,因此程序中的第一个“/*”只会与最后一个“*/”相匹配:

    test = "int x; /* x */ int y; /* y */"
    print(string.gsub(test, "/%*.*%*/", "<COMMENT>"))
    --> int x; <COMMENT>

  若使用“.-”模式,则会以尽可能少的扩展来找到第一个“*/”。这样就能得到想要的结果了:

    test = "int x; /* x */ int y; /* y */"
    print(string.gsub(test, "/%*.-%*/", "<COMMENT>"))
    --> int x; <COMMENT> int y; <COMMENT>

  最后一个修饰符“?”可用于匹配一个可选的字符。例如,要在一段文本中寻找一个整数,而这个整数可以包括一个可选的正负号。那么使用模式“[+-]?%d+”就可以完成这项任务,它可以匹配像“-12”、“23”、“+1009”这样的数字,而“[+-]”是一个匹配‘+’和‘-’号的字符分类,后面的‘?’说明这个符号是可选的。

  与其他系统不同的是,Lua中的修饰符只能应用于一个字符分类,无法对一组分类进行修饰。例如,无法写出匹配一个可选单词的模式。在本章的最后会介绍一些高级技术,可以使用它们来绕开这条限制。

  如果模式以一个‘^’起始,那么它只会匹配目标字符串的开头部分。类似地,如果模式以‘$’结尾,那么它只会匹配目标字符串的结尾部分。这些标记可用于限定一个模式的查找。例如,下面这行测试:

    if string.find(s, "^%d") then ...

  可检查字符串s是否以一个数字开头,而以下测试:

    if string.find(s, "^[+-]?%d+$") then ...

  则可检查这个字符串是否表示一个整数,并且没有多余的前导字符和结尾字符。

  在模式中,还可以使用“%b”,用于匹配成对的字符。它的写法是“%b<x><y>”,其中<x><y>是两个不同的字符,<x>作为一个起始字符,<y>作为一个结束字符。例如,模式“%b()”可匹配以‘(’开始,并以‘)’结束的子串:

    s = "a (enclosed (in) parentheses) line"
    print(string.gsub(s, "%b()", ""))        --> a line

  这种模式的典型用法包括“%b()”、“%b[]”、“%b{}”和“%b<>”,但实际上可以用任何字符作为分隔符。

  

   捕获(capture)

  捕获功能可根据一个模式从目标字符串中抽出匹配于该模式的内容。在指定捕获时,应将模式中需要捕获的部分写到一对圆括号内。

  对于具有捕获的模式,函数string.match会将所有捕获到的值作为单独的结果返回。即它会将目标字符串切成多个捕获到的部分:

    pair = "name = Anna"
    key, value = string.match(pair, "(%a+)%s*=%s(%a+)")
    print(key, value)        --> name Anna

  

  模式“%a+”表示一个非空的字母序列,模式“%s*”表示一个可能为空的空格序列。因此上例中的这个模式表示一个字母序列,伴随着一个空格序列,一个‘=’,一些空格,以及另一个字母序列。模式中表示两个字母序列的部分都放在一对圆括号中,因此如果发现匹配,就能捕获到它们。下面是一个类似的示例:

    date = "Today is 17/7/1990"
    d, m, y = string.match(date, "(%d+)/(%d+)/(%d+)")
    print(d, m, y)        --> 17 7 1990

  还可以对模式本身使用捕获。在一个模式中,可以有“%d”这样的项,其中d是一个只有一位的数字,该项表示只匹配与第d个捕获相同的内容。有一个典型的实例可以说明它的作用,假设要在一个字符串中寻找一个由单引号或双引号括起来的子串。那么可以用这样的模式“["'].-["']”,它表示一个引号后面是任意内容及另外一个引号。但是,这种模式在处理像“it's all right”这样的字符串时就出现问题。要解决这个问题,可以捕获第一个引号,然后用它来指定第二个引号:

    s = [[then he said: "it's all right"!]]
    q, quotedPart = string.match(s, "([\"'])(.-)%1")
    print(quotedPart)        --> it's all right
    print(q)                --> "

  第一个捕获是引号字符本身,第二个捕获是引号中的内容,即与“.-”相匹配的子串。

  又如,匹配Lua中的长字符串:

    %[(=*)%[(.-)%]%1%]

  它匹配的内容依次是:一个左方括号、零个或多个等号、另一个左方括号、任意内容(即字符串的内容)、一个右方括号、相同数量的等号及另一个右方括号:

    p = "%[(=*)%[(.-)%]%1%]"
    s = "a = [=[[[ something ]] ]==] ]=]; print(a)"
    print(string.match(s, p))        --> =    [[ something ]]   ]==]

  第一个捕获是等号序列,本例的等号序列中只有一个等号。第二个捕获是字符串的内容。

  对于捕获到的值,还可用于gsub函数的字符串替换。和模式一样,用于替换的字符串中也可以包含“%d”这样的项。当进行替换时,这些项就对应于捕获到的内容。“%0”表示整个匹配,并且替换字符串中的“%”必须被转义为“%%”。下面这个示例会重复字符串中的每个字符,并且在每个副本之间插入一个减号:

    print(string.gsub("hello Lua!", "%a", "%0-%0"))
    --> h-he-el-ll-lo-o L-Lu-ua-a!

  下例交换了所有相邻的字符:

    print(string.gsub("hello Lua", "(.)(.)", "%2%1"))
    --> ehll ouLa

  以下是一个更有用的示例,写一个简单的格式化转换器,它能读取用LaTeX风格书写的命令字符串,例如:

    \command{some text}

  并将它转换成XML风格的格式:

    <command>some text</command>

  如果不考虑嵌套的命令,那么下面这行代码即可完成这项工作:

    s = string.gsub(s, "\\(%a+){(.-)}", "<%1>%2</%1>")

  例如,如果s是一个字符串,其内容为:

    the \quote{task} is to \em{change} that.

  调用gsub后,s会变成:

    the <quote>task</quote> is to <em>change</em> that.

  最后,还有一个剔除字符串两端空格的示例:

    function trim(s)
        return (string.gsub(s, "^%s*(.-)%s*$", "%1"))
    end

  注意,模式中某些部分的作用,两个定位标记('^'和'$')表示在操作整个字符串;而“.-”会试图匹配尽可能少的内容,所以首尾两处的“%s*”便可匹配到两端所有的空格。其次,gsub会返回两个值,并用一对额外的括号来丢弃多余的结果,即丢弃“匹配的总数”。

  

   替换

  string.gsub函数的第三个参数不仅是一个字符串,还可以是一个函数或table。当用一个函数来调用时,string.gsub会在每次找到匹配时调用该函数,调用时的参数就是捕获到的内容,而该函数的返回值则作为要替换的字符串。当用一个table来调用时,string.gsub会用每次捕获到的内容作为key,在table中进行查找,并将对应的value作为要替换的字符串。如果table中不包含这个key,那么string.gsub不改变这个匹配。

  例如,以下函数将完成一次变量展开。它对字符串中所有格式为$varname的部分,替换为对应全局变量varname的值:

    function expand(s)
        return (string.gsub(s, "$(%w+)", _G))
    end

    name = "Lua"; status = "great"
    print(expand("$name is $status, isn't it?"))
    --> Lua is great, isn't it?

  对每处与“$(%w+)”相匹配的地方,string.gsub都会在table _G中查找捕获到的名称,并用找到的名称替换字符串中的匹配部分。如果table中没有这个key,则不尽兴替换。

    print(expand("$othername is $status, isn't it?"))
    --> $othername is great, isn't it?

  如果不确定所有的变量都有一个对应的字符串值,则可以对它们的值应用tostring。在这种情况下,可以用一个函数来提供要替换的值:

    function expand(s)
        return (string.gsub(s, "$(%w+)", function(n)
            return tostring(_G[n])
        end))
    end

    print(expand("print = $print; a = $a"))
    --> print = function: 0x8050ce0; a = nil

  现在,对于所有匹配“$(%w+)”的地方,string.gsub都会调用给定的函数,并传入捕获到的名称。如果函数返回nil,则不作替换。在本例中不会出现这种情况,因为tostring不会返回nil

  最后一个示例则继续回到上一节中提及的格式转换器。本例仍然是将LaTex风格的命令(\example{text})转换成XML风格(<example>text</example>),但是允许嵌套的命令。以下函数用递归的方式完成了这项任务:

    function toxml(s)
        s = string.gsub(s, "\\(%a+)(%b{})", function(tag, body)
            body = string.sub(body, 2, -2)          -- 删除花括号
            body = toxml(body)                      -- 处理嵌套的命令
            return string.format("<%s>%s<%s>", tag, body, tag)
            end)
        return s
    end

    print(toxml("\\title{The \\bold{big} example}"))
    --> <title>The <bold>big</bold> example</title>

  

  ● URL 编码

  下一个示例是关于URL编码,这是HTTP所使用的一种编码方式,用于在一个URL中传送各种参数。这种编码方式会将特殊字符(如‘=’、‘&’、‘+’)编码为“%<xx>”的形式,其中<xx>是字符的十六进制表示。此外,它还会将空格转换为“+”。例如,它会将字符串“a+b = c”编码为“a%2Bb+%3D+c”。最后,它会将每对参数名及其值用“=”连接起来,并将每对结果name=value用“&”连接起来。例如,对于值:

    name = "a1"; query = "a+b = c"; q="yes or no"
`` `

&emsp;&emsp;会被编码为:

```lua
    "name=a1&query=a%2Bb+%3D+c&q=yes+or+no"

  现在,假设要对这个URL进行解码。要求对编码中的每个值,以其名称作为key,保存到一个table内。以下函数完成一次基本的解码:

    function unescape(s)
        s = string.gsub(s, "+", " ")
        s = string.gsub(s, "%%(%x%x)", function(h)
            return string.char(tonumber(h, 16))
        end)
        return s
    end

  第一条语句将字符串中的所有的“+”改为空格,第二句gsub则匹配所有以“%”为前缀的两位十六位数字,并对每处匹配调用一个匿名函数。这个函数会将十六进制数转换成一个数字,然后调用string.char返回相应的字符。如下所示:

    print(unescape("a%2Bb+%eD+c"))      --> a+b = c

  用gmatch来对name=value进行解码。由于名称和值都不能包含“&”和“=”,所以可以用模式“[^&=]+”来匹配它们:

    cgi = {}
    function decode(s)
        for name, value in string.gmatch(s, "([^&=]+)=([^&=]+)") do
            name = unescape(name)
            value = unescape(value)
            cgi[name] = value
        end
    end

  调用gmatch会匹配所有格式为name=value的部分。对于每组参数,迭代器都会将捕获到的内容作为变量namevalue的值。循环体只是对两个字符串调用unescape,然后将结果保存到table cgi中。

  另一方面,编码函数也很容易编写。首先,写一个escape函数,它会将所有的特殊字符编码为“%”并伴随该字符的十六进制码。另外,它还会将空格转换为“+”。

    function escape(s)
        s = string.gsub(s, "[&=+%%%c]", function(c)
            return string.format("%%%02X", string.byte(c))
        end)
        s = string.gsub(s, " ", "+")
        return s
    end

  encode函数会遍历整个待编码的table,构建出最终的结果字符串:

    function encode(t)
        local b = {}
        for k,v in pairs(t) do
            b[#b + 1] = (escape(k) .. "=" .. escape(v))
        end
        return table.concat(b, "&")
    end

    t = {name = "a1", query = "a+b = c", q = "yes or no"}
    print(encode(t))        --> q=yes+or+no&query=a%2Bb+%3D+c&name=a1

  

  ● tab扩展

  在Lua中,像“()”这样的空白捕获具有特殊的含义。这个模式不是代表捕获空内容,而是捕获它在目标字符串中的位置,返回的是一个数字:

    print(string.match("hello", "()ll()"))      --> 3 5

  注意,这个示例的结果与调用string.find得到的结果并不一样,因为第二个空捕获的位置是在匹配之后的。

  这里有一个关于空捕获应用的示例,在一个字符串中扩展tab(制表符):

    function expandTabs(s, tab)
        tab = tab or 8              -- 制表符的“大小”(默认为8)
        local corr = 0
        s = string.gsub(s, "()\t", function(p)
            local sp = tab - (p - 1 + corr)%tab
            corr = corr - 1 + sp
            return string.rep(" ", sp)
        end)
        return s
    end

  gsub会匹配字符串中所有的tab,捕获它们的位置。内嵌函数会根据每个tab的位置,计算出还需多少空格才能达到整数倍tab的列。它先对位置减一,使其从0开始计数,然后加上corr以补偿前面的tab。并且,它还会更新这个补偿值,用于在一个tab的修正,减一以去掉当前tab,再加上要添加的空格数sp。最后这个函数返回正确数量的空格。

  为了完整起见,再看一下如何实现逆向的操作,即将空格转换为tab。第一种方法可以考虑通过空捕获来对位置进行操作。还有一种更简单的方法即可以在字符串中每8个字符后插入一个标记。无论该标记是否位于空格前,都用tab替换它。

    function unexpandTabs(s, tab)
        tab = tab or 8
        s = expandTabs(s)
        local pat = string.rep(".", tab)
        s = string.gsub(s, pat, "%0\1")
        s = string.gsub(s, " +\1", "\t")
        s = string.gsub(s, "\1", "")
        return s
    end

  这个函数首先对字符串中所有的tab进行了扩展。然后计算出一个辅助模式,用于匹配所有的tab字符序列,并通过这个模式在每个tab字符后添加一个标记(控制字符“\1”)。之后,它将所有以此标记结尾的空格序列都替换为tab。最后,删除剩下的标记,即那些没有位于空格后的标记。

  

技巧

  模式匹配是一种操作字符串的强大工具。通过很少的string.gsub调用就可以完成许多复杂的操作,但是应该谨慎使用。

  模式匹配不能代替传统的分析器。对于某些要求并不严格的程序来说,可以在源代码中做一些有用的匹配操作,但很难构建出高质量的产品。例如,之前曾用一个模式来匹配C代码中的注释。如果C代码中有一个字符串常量含有“/*”,就会得到一个错误的结果:

    test = [[char s[] = "a /* here"; /* a tricky string */]]
    print(string.gsub(test, "/%*.-%*/", "<COMMENT>"))
    --> char s[] = "a <COMMENT>"

  含有注释标记的字符串并不常见,所以对于自用的程序而言,这个模式足以达到要求。但是,不应该将这个有问题的程序发布出去。

  通常,在Lua程序中使用模式匹配时非常有效。一台奔腾333MHz计算机可以在不到十分之一秒的时间内,匹配一个具有20万个字符的文本中所有的单词,但需要注意的是,应该提供尽可能精确的模式,宽泛的模式会比精确的模式慢许多。一个较极端的示例就是模式“(.-)%$”,它可以获取一个单元符号中不存在美元符号,这个算法就会试着从字符串起始位置开始匹配此模式,为了搜索美元符号,它会遍历整个字符串。当到达字符串结尾时,这次模式匹配就会失败,但此失败仅意味着从字符串起始位置开始的匹配失败了。然后,这个算法还会从字符串的第二个位置开始第二次搜索,其结果仍是无法匹配这个模式。这样的匹配过程以此类推,从而表现为二次方的时间复杂度。但在一台奔腾333MHz的计算机上,搜索20万个字符需要执行超过3小时的时间。要解决这个问题,只需将模式限定为仅匹配字符串的起始部分,也就是将模式指定为“^(.-)%$”。这样便告诉了算法,如果不能在起始位置上找到匹配,就停止搜索。有了这种位置限定后,再运行该模式就只需要不到十分之一秒的时间了。

  此外还要小心“空模式”的使用,也就是那些会匹配空字符串的模式。例如,如果准备用模式“%a*”来匹配名称,那么会发现到处都是名称:

    i, j = string.find(";$% **#$hello13", "%a*")
    print(i,j)          --> 1 0

  在这个示例中,string.find调用会成功地在字符串起始处找到一个空的字母序列。

  在模式的开始或结束处使用修饰符“-”是没有意义的,因此这样总会匹配到空字符串。此修饰符总是需要有些东西在它周围以限制它的扩展范围。同样,使用含有“.*”的模式也需要注意,因为这种指示可能会扩展到预期的范围之外。

  有时用Lua自身来构造一个模式也是很有用的。在前面的空格转换为tab的程序中,已用到了这个技巧。接下来再看另外一个示例,如何找出一个文本中较长的行,这里的“较长”是指超过70个字符的行。起始,一个长行就是一个具有70个或更多个字符的序列,其中每个字符都不为换行符。可以用字符分类“[^\n]”来匹配除换行符以外的其他单个字符。因此,可以将这个匹配耽搁字符的模式重复70此来匹配一个长行。在这里,可以用string.rep代替手写来创建这个模式:

    pattern = string.rep("[^\n]", 70) .. "[^\n]*"

  另外还有一个示例,假设要进行一次与大小写无关的查找。一种方法是将模式中的任何字母x用分类“[xX]”来替换,也就是一种同时包含原字母大小写形式的分类。可以用一个函数来自动地做这种转换:

    function nocase(s)
        s = string.gsub(s, "%a", function(c)
            return "[" .. string.lower(c) .. string.upper(c) .. "]"
        end)
        return s
    end

    print(nocase("Hi there!"))
    --> [hH][iI] [tT][hH][eE][rR][eE]!

  有时要将所有出现s1的地方替换为s2,而不管其中是否包含魔法字符。如果字符串s1s2是字面常量,那么可以在编写字符串时对魔法字符使用适当的转义。但如果字符串是一个变量值,那么就需要用另一个gsub来做转义了:

    s1 = string.gsub(s1, "(%w)", "%%%1")
    s2 = string.gsub(s2, "%%", "%%%%")

  在搜索字符串时,要对所有非字母和非数字的字符进行转义,而在替换字符串时,只对“%”进行转义。

  关于模式匹配还有一项有用的技术,就是在进行实际工作前,对目标字符串进行预处理。假设,要将一个字符串中位于一对双引号内的部分改为大写,但又允许其中包含转义的引号("\""):

    follows a typical string: "This is \"great\"!".

  处理这种情况的做法是对文本进行预处理,将所有可能导致歧义的部分编码为另一种形式。例如,可以将“\"”编码为“\1”。不过,若原文中已含有“\1”,就会出错。一种可以避免此类问题的做法是将所有“\x”序列编码为"\ddd"形式,其中ddd是字符x的十六进制表示形式:

    function code(s)
        return (string.gsub(s, "\\(.)", function(x)
            return string.format("\\%03d", string.byte(x))
        end))
    end

  现在,编码后的字符串中的“\ddd”序列都来源于编码,因为原字符串中所有的“\ddd”都已被Lua翻译成对应字符了。这样解码就很简单了:

    function decode(s)
        return (string.gsub(s, "\\(%d%d%d)", function(d)
            return "\\" .. string.char(d)
        end))
    end

  现在便完成了这项任务。由于编码后的字符串中不包含任何转义的引号(“\"”),就可以直接用“.-*”来查找位于一对引号中的内容:

    s = [[follows a typical string: "This is \"great\"!".]]
    s = code(s)
    s = string.gsub(s, '".-"', string.upper)
    s = decode(s)
    print(s)        --> follows a typical string: "THIS IS \"GREAT\"!".

  或者,更紧凑的写法:

    print(decode(string.gsub(code(s), '".-"', stirng.upper)))

🔚

results matching ""

    No results matching ""