Lua中获取utf8字符串长度的方法和自定义函数

代码如下:

--- 获取utf8编码字符串正确长度的方法

-- @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库不支持处理utf-8编码的汉字。用lua要处理汉字还是很费劲的。

UTF8的编码规则:

1. 字符的第一个字节范围: 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)不会出现在UTF8编码中
3. 0x80―0xBF(128-191)只会出现在第二个及随后的编码中(针对多字节编码,如汉字)
 
 这样我们可以利用lua强大的模式匹配,来实现我们要的效果,关键的处理有这么两个:
1. local _, count = string.gsub(str, "[^\128-\193]", ""),用来得到str中的字符数
2. for uchar in string.gfind(str, "[%z\1-\127\194-\244][\128-\191]*") do tab[#tab+1] = uchar end,用来把str中的每个字符映射到tab中

相关推荐