lua的string庫與強大的模式匹配

weixin_34402090發表於2014-10-24
模式
lua原生直譯器對字串的處理能力是十分有限的，強大的字串操作能力來自於string庫。lua的string函式匯出在string module中。在lua5.1,同一時候也作為string型別的成員方法，因此，我們既能夠寫成string.upper(s), 也能夠s:upper(),選擇你喜歡的寫法。

string.len(s)返回s的長度。
string.rep(s, n)返回反覆s字串n次的字串。
string.lower(s)返回一份已將大寫轉成小寫的字串s的拷貝 
lower,upper都是使用本地字符集的，另外，假設你想對一個string陣列進行排序,並不區分大寫和小寫，你可能像這麼寫：
table.sort(a, function(a, b)
     return string.lower(a) < string.lower(b)
end)

string.sub(s, i, j)將從s提取一段字串，從i到j(閉區間[i, j])，當然你能夠使用負索引值，將從字串尾部算起，-1是最後一個字元，-2是倒數第二，等等,這麼做的優點是當我們要提取直到末尾幾個字元時，從後面數起就非常方便。比如：
s = "[hello,world]"
print(string.sub(s, 2, -2)) --> hello,world

記住，lua中的字串是不可變的。

string.char, string.byte用於轉換字元和對於的數字之間值。比如：
i = 97
print(string.char(i, i+1, i+2)) --> abc
print(string.byte("abc"))       --> 97
print(string.byte("abc"), -2)   --> 98

lua5.1 string.byte能夠接受第三個引數，返回i,j之間的多個值。比如，這麼寫將字串轉成字元值陣列:
t = {s.byte(1, -1}
要想又一次轉成字串的話：
string.char(unpack(t))

string.format是強大字串格式化函式，和c語言的printf類似，這裡不累述。

lua string庫裡最強大的函式是那些模式匹配函式：find, match, gsub, gmatch。和其它指令碼語言不同，lua既沒實用POSIX的正規表示式，也沒實用perl的正規表示式。原因是實現這些導致lua佔用很多其它記憶體，而lua的初衷是小巧的，嵌入應用的語言。 lua用少於500行的程式碼實現了自己的一套模式匹配，儘管不如標準的正規表示式強（一般須要4000以上程式碼），但也足夠強大。

string.find將查詢目標模板在給定字串中出現的位置，找到返回起始和結束位置，沒找到返回nil。比如：
s = "hello,world"
i, j = string.find(s, "hello")
print(string.sub(s, i, j))
當然，string.find還能夠給定起始搜尋位置，當你想找出全部出現的位置時，這個引數就非常實用，比如想知道換行符出如今那些地方：
local t = {}
local i = 0
while true do
     i = string.find(s, "\n", i+1)
     if i == nil then break end
     t[#t+1] = i
end

string.match和string.find類似，都是在指定的string中查詢對應的模式。不同的是，他返回的是找到的那部分string:
print(string.match("hello,world","hello")) --> hello
對於像"hello"這種固定模式來說，這個函式就沒啥意義了。可是對於可變模式來說，就顯示出他的強大威力了：
date = "now is 2014/10/6 17:58"
d = string.match(date, "%d+/%d+/%d+")
print(d)   --> 2014/10/6

string.gsub有三個引數，給定字串，匹配模式和替代字串。作用就是將全部符合匹配模式的地方都替換成替代字串。並返回替換後的字串，以及替換次數。
s = string.gsub("Lua is cute", "cute", "great")
print(s) --> Lua is great

string.gmatch函式將返回一個迭代器，用於迭代全部出如今給定字串中的匹配字串。

模式：
字元類：（character classes）
. all characters
%a letters
%c control characters
%d digits
%l lower -case letters
%p punctuation characters
%s space characters
%u upper-case letters
%w alphanumeric characters
%x hexadecimal digits
%z the character whose representation is 0

他們的大寫版本號是他本身的互補。
魔法字元：
( ) . % + - * ? [ ] ^ $
用%進行轉義。'%%'代表'%'

字符集(char -set ):使用字符集能夠自己定義字元類。
1.不同的字元類，和單字元之間用[]
[%w_]匹配字母數字字元和下劃線。
[01]匹配二進位制數
2.要想字符集內包括字元區間，起止之間加上-
[0-9] 相當於 %d
[0-9a-fA-F]相當於 %x
3.假設想得到該字符集的互補,前面加上^
[^0-7] 不論什麼非八進位制數字

反覆或可選修飾符
+ 1 or more repetitions，匹配最長的，
* 0 or more repetitions  最長的
- also 0 or more repetitions 最短的
? optional (0 or 1 occurrence) 

捕獲
捕獲機制同意一個模式串中的一部分來匹配目標串種的一部分。寫法是模式串中你須要捕獲的那部分用()括起來，比如：
pair = "name = anna"
key, value = string.match(pair, "(%a+)%s*=%s*(%a+)")
print(key, value) --> name anna
我們也能夠將捕獲用於模式串自身，"([\"'])(.-)%1",這裡的%1表示匹配第一個捕獲的一份拷貝。

替換
前面已知道，string.gsub的引數能夠是string，事實上，也能夠是個函式，或是table，假設是函式，就會用捕獲的內容作為引數呼叫該函式，將返回的內容作為替換字串。假設是table，則用捕獲的內容為key去取table的值來作為替換字串,假設不存在，就不做替換。如：
function expand(s)
     return string.gsub(s, "$(%w+)", _G)
end
name = "Lua"; status = "great"
print(expand("$name is $status, isn't it?"))

（完）

相關文章