復(fù)制代碼 代碼如下:
--- 獲取utf8編碼字符串正確長(zhǎng)度的方法
-- @param str
-- @return number
function utfstrlen(str)
local len = #str;
local left = len;
local cnt = 0;
local arr={0,0xc0,0xe0,0xf0,0xf8,0xfc};
while left ~= 0 do
local tmp=string.byte(str,-left);
local i=#arr;
while arr[i] do
if tmp>=arr[i] then left=left-i;break;end
i=i-1;
end
cnt=cnt+1;
end
return cnt;
end
lua 的string庫(kù)不支持處理utf-8編碼的漢字。用lua要處理漢字還是很費(fèi)勁的。
UTF8的編碼規(guī)則：
1. 字符的第一個(gè)字節(jié)范圍： 0x00—0x7F(0-127),或者 0xC2—0xF4(194-244); UTF8 是兼容 ascii 的，所以 0~127 就和 ascii 完全一致
2. 0xC0, 0xC1,0xF5—0xFF(192, 193 和 245-255)不會(huì)出現(xiàn)在UTF8編碼中
3. 0x80—0xBF(128-191)只會(huì)出現(xiàn)在第二個(gè)及隨后的編碼中(針對(duì)多字節(jié)編碼，如漢字)
這樣我們可以利用lua強(qiáng)大的模式匹配，來(lái)實(shí)現(xiàn)我們要的效果，關(guān)鍵的處理有這么兩個(gè)：
1. local _, count = string.gsub(str, "[^\128-\193]", ""),用來(lái)得到str中的字符數(shù)
2. for uchar in string.gfind(str, "[%z\1-\127\194-\244][\128-\191]*") do tab[#tab+1] = uchar end,用來(lái)把str中的每個(gè)字符映射到tab中
您可能感興趣的文章:- Lua獲取utf8字符串長(zhǎng)度和字符串截取并用...代替
