Lua 数据类型 —— 字符串

一、字符串

Lua 使用 八个比特位来存储 字符。（一个字节 = 八个比特位）

Lua 最好使用 UTF-8 编码。

字符串是不可变值，和 java 和 kotlin 相似，修改其中某一个字符，都是创建一个新的字符串。

Lua 对字符串会进行自动内存管理，会自动进行字符串的分配和释放。

二、函数

1、获取字符串长度

使用 # 获取字符串所占字节数，编码不同可能会有不同结果

a = "Jiang 澎涌"
print(a .. " size: " .. #a) --> Jiang 澎涌 size: 12

2、字符串拼接

使用 .. 字符串拼接，如果操作数中存在数值，则会先将数值转为字符串

3、转义字符

C 风格转义字符：

符号	描述
\a	响铃
\b	退格
\f	换页
\n	换行
\r	回车
\t	水平制表符
\v	垂直制表符
\	反斜杠
"	双引号
’	单引号

转义序列

\ddd（d 是十进制数） 、 \xhh（h 是十六进制数）

使用的是 ASCII 编码

--- 两种写法一样的表示 （A == '0x41' ，\n == '\0' ，1 == '\049'）
print("ALO\n123\"")         --> ALO 换行 123"
print('\x41LO\10\04923"')   --> AL0 换行 123"

Lua 5.3 开始，可以使用转义序列 \u{h....h} 来声明 UTF-8 字符。 h 代表十六进制

print("\u{3b1} \u{3b2} \u{3b3}") -->α β γ

转义的使用

在某些系统下，‘\r\n’ 会被归一化为 ‘\n’ ， 这个时候可以使用十进制数值或十六进制数值来表示。

可以借助一些网上工具进行获取相应编码，https://tool.chinaz.com/tools/unicode.aspx

三、多行字符串

多行字符串更多用于文本，内容中的转义序列不会被转义，并且第一个字符是换行符的话，则会被忽略。

multiLines = [[
    Hello world.
    Jiang Pengyong.
]]
print(multiLines)

为了应对文本中可能含有 [[ 或 ]] 字符，所以可以使用 [===[ 在两个 [ 中夹杂 0-n 个等号，相对应的终止也要同样多的等号夹杂在 ] 中。

superMultiLines = [=====[
    Hello world
    Jiang Pengyong
    --[[
    ]]
]=====]
print(superMultiLines)

可以通过 \z 去除字符串中的空白字符，直到下一个非空白字符串

data = "123\z
        456"
print(data)     --> 123456

四、强制类型转换

1、字符串转数值

字符串运算操作

所有针对字符串的算数操作都会尝试将字符串转为数值

print("10" + "1")           --> 11
print("10" + 1)             --> 11
print(10 + "1")             --> 11
print(10 + 1)               --> 11
print("10.0" + "1")         -->  11.0
print("\"10\" + 1 ===>>", "10" + 1, math.type("10" + 1))    --> "10" + 1 ===>>	11	integer

值得注意的是比较操作，字符串不会进行转换成数值

• 不能将数值和字符串进行比较，否则异常 attempt to compare number with string
• 字符串之间比较的是字符

print("10" == 10)   --> false
print("10" < 11)    -- attempt to compare string with number
print(10 < "11")    -- attempt to compare string with number
print("10" < "11")   --> true
print(10 < 11)       --> true

tonumber 转换

可以使用 tonumber 函数，将字符串转为数值，Lua 扫描器会判定最终是整型值还是浮点类型值

转换符合 “数值类型” 中的通用规则

print(tonumber("   -3  "))          --> -3
print(tonumber("   10e2  "))        --> 1000.0
print(tonumber("   10e  "))         --> nil
print(tonumber("   0x1.3p-4  "))    --> 0.07421875

tonumber 还可以选择想转的进制，可选 [2,36] 进制，默认为十进制

print(tonumber("100101", 2))    --> 37
print(tonumber("fff", 16))      --> 4095
print(tonumber("-ZZ", 36))      --> -1295
print(tonumber("987", 8))       --> nil

如果转不成功，则返回 nil

2、数值转字符串 tostring

将数值转连接使用 .. 要记得数值和连接符隔开，否则会被当成小数点

print(10 .. 1)      --> 101

可以使用 tostring 将数值转为字符串

print(tostring(10) == "10")  --> true

五、字符串标准库

函数	描述
string.len(s)	获取字符串 s 的长度
string.rep(s, n)	将字符串 s 重复 n 次
string.reverse(s)	字符串翻转
string.lower(s)	将所有的大写字母转为小写字母
string.upper(s)	将所有的小写字母转为大写字母
string.sub(s, i, j)	从字符串 s 中提取第 i 个到第 j 个字符，包含 i 和 j ，就是 [i, j]
string.char(i …)	可以传入零个或多个整数，返回每个整数转换成对应的字符，最后连接为字符串
string.byte(s, i = 0)	返回字符串 s 中第 i 个字符的数值
string.byte(s, i, j)	返回字符串 s 中 i 到 j之间( [i, j] )的字符数值
string.format(s, …)	进行字符串格式化和将数值输出为字符串
string.find(s, s1)	在字符串 s 中，寻找字符串 s1 的下标，会有两个返回值，一个是起始下标一个是终止下标， 查询不到则返回 nil
string.gsub(s, s1, replace)	在字符串 s 中，寻找到字符串 s1 ，并用 replace 字符串进行替换，会返回两个值，一个值替换完的字符串，一个是替换的次数（即使没替换成功，也会有两个返回值）

string.sub(s, i, j) 的 i 和 j 可以为负数，则从后面开始计算，-1 代表最后一位

name = "Jiang Pengyong"
-- string.len(name) 等同于 #name ， 等同于 name:len()
print(string.len(name))     --> 14
print(#name)                --> 14
print(name:len())           --> 14
print(string.rep("jiang", 5))   --> jiangjiangjiangjiangjiang
print(string.reverse(name))     --> gnoygneP gnaiJ
print(string.upper(name))       --> JIANG PENGYONG
print(string.lower(name))       --> jiang pengyong

-- 字符串的索引是从 1 开始，裁剪的包括两个下标 [i, j]
print(string.sub(name, 1, 5))       --> Jiang
-- 负数表示从后往前计算，-1 表示最后一个字符
print(string.sub(name, 1, -2))      --> Jiang Pengyon
print(string.sub(name, 11, -1))     --> yong

print(string.char(97))              --> a
print(string.char(97, 98, 99))      --> abc
-- byte 如果没有填第二个参数，则直接使用第一个字符
-- 索引也是从 1 开始
print(string.byte("abc"))           --> 97
print(string.byte("abc", 2))        --> 98
print(string.byte("abc", -1))       --> 99
print(string.byte("abc", 1, -1))    --> 97	98	99

-- 创建一个包含所有字符的表 [1, -1] ，只是要控制好大小，不能超过 1 M
local t = { string.byte(name, 1, -1) }
print("table: " .. #t)
for i = 1, #t do
    print(i .. "-->" .. t[i])
end

--> table: 14
--> 1-->74
--> 2-->105
--> 3-->97
--> 4-->110
--> 5-->103
--> 6-->32
--> 7-->80
--> 8-->101
--> 9-->110
--> 10-->103
--> 11-->121
--> 12-->111
--> 13-->110
--> 14-->103

-- find 查询到会返回两个数 开始位置 结束位置， 如果找不到则返回 nil
print(string.find(name, "Jiang"))      --> 1	5
print(string.find(name, "jiang"))       --> nil
-- 进行替换字符，会返回两个 替换的字符 和 替换的个数
print(string.gsub(name, "j", "."))      --> Jiang Pengyong	0       （未查询到）
print(string.gsub(name, "ong", "."))    --> Jiang Pengy.	1       （查询到一次）
print(string.gsub(name, "g", "."))      --> Jian. Pen.yon.	3       （查询到多次）

string.format

因为 Lua 是通过调用 C 语言标准库来完成实际工作，所以格式化和 C 一样，可以使用和 C 一样的操作。

• d 代表十进制整数
• x 代表十六进制整数 (a-f 小写)
• X 代表十六进制整数 (a-f 大写)
• f 代表浮点数
• s 代表字符串

可以在 % 和 字母间增加数字，当格式化的内容长度不够数字是，会用“ ”（空格）补足，如果增加 0 则会用 0 补足空间。

print(string.format("pi = %.4f", math.pi))          --> pi = 3.1416
-- 如果不使用 0 ，则默认使用空格
print(string.format("%02d/%02d/%04d", 4, 5, 2022))  --> 04/05/2022
print(string.format("%2d/%2d/%4d", 4, 5, 2022))     -->  4/ 5/2022
print(string.format("%x", 15))                      --> f
print(string.format("%X", 15))                      --> F
print(string.format("%15s", "jiang"))               -->           jiang

六、Unicode 编码

5.3 引入了用于操作 UTF8 的 Unicode 字符串标准库。

UTF8 使用变长的多个字节来编码一个 Unicode 字符。

string 函数对 utf8 的使用

string 的有些函数并不适合处理 utf8 ，例如这些：reverse , upper , lower , byte , char

chineseName = "江澎涌"
print(string.reverse(chineseName))  --> ��掾柱�
print(string.upper(chineseName))    --> 江澎涌
print(string.lower(chineseName))    --> 江澎涌
print(string.byte(chineseName))     --> 230
print(string.char(chineseName))     -- bad argument #1 to 'char' (number expected, got string)

format , rep , len , sub 适用 utf8 的字符串

format 中不能继续使用 %c 来进行展示字符串

值得注意： len 和 sub 的索引是以字节为单位，不是以字符为单位。例如这里的 “江” 是 3 个字节，所以 len 会返回 9 ，sub 的截取其实下标为 2 时，则出现乱码。

print(string.format("名字： %s", chineseName))  --> 名字： 江澎涌
print(string.rep(chineseName, 5))               --> 江澎涌江澎涌江澎涌江澎涌江澎涌
print(string.len(chineseName))                  --> 9
print(string.sub(chineseName, 2, -1))           --> ��澎涌

urf8 标准库

函数	描述
utf8.len(s)	返回指定字符串中 UTF8 字符的个数。如果该函数发现字符串中包含有无效的字符序列，则会返回两个值，第一个值为 false，第二个值为第一个无效字节的位置
utf8.char(int …)	在 utf8 环境下，等价于 string.char
utf8.codepoint(s, i, j)	在 utf8 环境下，等价于 string.byte （ i 和 j 是字节，不是字符）
utf8.offset(s, i)	获取 s 字符串中，第 i 个字符的以字节索引
utf8.codes(s)	用于遍历 utf8 字符串中的每一个字符，每次遍历都会返回两个值，一个是字节索引，一个是编码

utf8 库中索引大多是字节为单位，而非字符。可以用 offset 把字符位置转为字节位置

utf8 库的索引一样可以使用负数，一样是从后往前的意思

chineseName = "江澎涌"

print("utf8.len: ", utf8.len(chineseName), "string.len", string.len(chineseName))       --> utf8.len: 	3	string.len	9
print(utf8.len("ab\x93"))                                                               --> nil	3

print("codepoint：", utf8.codepoint("澎"))  --> codepoint：	28558
print("char", utf8.char(28558))             --> char	澎

print(utf8.offset(chineseName, 2))                              --> 4
print(string.sub(chineseName, utf8.offset(chineseName, 2)))     --> 澎涌

-- codes 遍历 utf8 字符串中的每一个字符
for i, j in utf8.codes(chineseName) do
    print(i .. "-->" .. j .. "-->" .. utf8.char(j))
end

--> 1-->27743-->江
--> 4-->28558-->澎
--> 7-->28044-->涌

七、写在最后

Lua 项目地址：Github传送门 (如果对你有所帮助或喜欢的话，赏个star吧，码字不易，请多多支持)

公众号搜索 “江澎涌” 可以第一时间获取到后续文章