请教一个字符串处理的问题。

hba

原帖由 maper 于 2010-11-16 20:05 发表
用string.byte来判断当前字节是不是大于127，大于的话就当他是汉字，string.sub要取两个字节。

print(string.byte(a_str,i))
其中的32是半角空格。

206
211
210
32
161
254
253
196
229
249
223
203
197
174
246
214
251
174

大于127就绝对是汉字吗？还有没有特例的？

ddid

既然知道是全角空格，查一下它的ascii码就可以过滤掉了。

ddid

不同的编码有不同的定义方式，具体的要看码表。

hba

原帖由 ddid 于 2010-11-16 22:05 发表
不同的编码有不同的定义方式，具体的要看码表。

哦，有点明白了。
string.byte也搞定了。
将a_str = string.gsub(a_str, "[%a,%d,%p,%s]", "")
用稍微复杂一点的循环判断语句处理一下。
if string.byte(a_str,i) < 127 then
...
end
如果是UTF-8就复杂一些，不过应该也能搞定吧。

ddid

建立在编码已知，且对照码表的基础上，问题完全可以搞定。

但如果编码未知，UTF-8 和 GBK 有时候是有有重合的，就无法分辨了。

所以，事先知道编码很重要。

littleknife

还是例子的字符串，如何用程序的方式判断它是属于哪类编码呢?

另，这个函数，我主要用来解决字符串对比问题。还是很好用的。
---------------------------------------------------------------------------------------------------------------------

还有一个比上面更有趣的问题：就是次序吻合的问题，也许略复杂些。请诸位指点一二。

比如，我的一个字符串string1="我的测试字符串",string2="北我大的侠测试客字符串行"
string3="北大测试侠的客字符串行我"

我的string1 的次序是一定的，就是，“我的测试字符串”这个文字的顺序。（我只要求顺序排列准确就可以。）
那么我用什么函数能判定，这个次序在string2 中是否也是这样呢？

当然这个例子中，string1 在string2 中的文字顺序是对的，但在string3中是错误的。

-------------------------------------------------------------------------------------------------------------


string="我的┿测试┿字符串┡┿，"这里的是不是就是传说的制表符？如何去掉，只保留纯汉字？






[ 本帖最后由 littleknife 于 2010-11-17 09:21 AM 编辑 ]

ddid

1. 判断字符串编码，基本就是查码表的方法。但不能100%准确，因为 GBK 与 UTF-8 有重合（字符多一些重合的几率就小多了，但如果只有2、3个体字符，还是有可能中彩的）。

2. 可以把匹配和顺序分成两个部分来做。匹配就不说了，判断次序的时候直接拿去除多余字符串后的两个字符串对比，判断是否相等就可以了。挺简单的。

3. GBK 的中文符号，我记得是在码表中有一个特殊区域的，把这个区域提取出来判断就可以了，具体的还是要查码表。

littleknife

那么请问下ddid，如何获取一个文字的编码呢？用lua程序。比如这个字符编码是GBK的。
string="我"，这个字的GBK编码，如何获取？用什么函数能做到？
-------------------------------------------------------------------------------------------

hba

原帖由 littleknife 于 2010-11-17 16:42 发表
那么请问下ddid，如何获取一个文字的编码呢？用lua程序。比如这个字符编码是GBK的。
string="我"，这个字的GBK编码，如何获取？用什么函数能做到？
------------------------------------------------------------ ...

前面的帖子不是说了吗？string.byte

ddid

1. local a_str = "北侠"
   
2. 
   
3. for i = 1, #a_str do
   
4. 
   
5. print(string.byte(a_str, i))
   
6. 
   
7. end --for

复制代码