0

Есть ли у луа функция, которая работает так же как и mb_substr в php? string.sub не подходит, т.к. там нет побитового шага.

6
  • думаю встроенного нет, раз люди библиотеки пишут github.com/starwing/luautf8
    – Mike
    14 ноя 2017 в 7:31
  • А как работает mb_substr? Или вы думаете, что все знают php? Вы бы лучше описали проблему, которую пытаетесь решить.
    – zed
    14 ноя 2017 в 7:36
  • @Mike В lua 5.3 есть базовая поддержка utf-8, а та библиотека - бэкпорт в 5.1 и 5.2.
    – zed
    14 ноя 2017 в 7:38
  • @zed тогда напишите ответ. mb_substr в php это версия substr получающая часть строки по количеству utf8 символов, а не байт
    – Mike
    14 ноя 2017 в 7:41
  • string mb_substr (string str, int start [, int length [, string encoding]]) mb_substr() возвращает часть строки str, специфицированную параметрами start и length. 14 ноя 2017 в 8:34

2 ответа 2

0

В lua 5.3 можно воспользоваться таким алгоритмом:

  1. Воспользоваться функцией utf8.offset и найти позицию (байт) символа с которого надо начать копировать;
  2. Той же функцией найти позицию символа до которого надо скопировать;
  3. Воспользоваться стандартной функцией string.sub, которая копирует побайтово.

Пример (сохранить в файл, в кодировке UTF-8):

s = 'Юникодная строка';

i = utf8.offset(s, 11);
j = utf8.offset(s, 17);

s1 = string.sub(s, i, j);

print(s1);

Напечатает:

строка

Если же попытаться скопировать в лоб, с 11 по 17 байт:

s2 = string.sub(s, 11, 17);

то в s2 окажется "мусор":

дна\209
2
  • У меня строка выглядит следующим образом: $J�R[Tߑ��ǢN�m3�d�@�;@���+m��Q�8�os�E��~8f124d90c959e36d81464‌​562fe0393e2 14 ноя 2017 в 11:59
  • @smilexcasper И что? Если это utf-8, то указанный в ответе способ будет работать.
    – zed
    14 ноя 2017 в 12:11
0

Ответ от zed будет некорректным, если конец подстроки - это знак Unicode, и её конец не совпадает с концом строки (попытайтесь вырезать "код")

В рассылке Lua был предоставлен более корректный код:

function utf8sub(s,i,j)
   i = i or 1
   j = j or -1
   if i<1 or j<1 then
      local n = utf8.len(s)
      if not n then return nil end
      if i<0 then i = n+1+i end
      if j<0 then j = n+1+j end
      if i<0 then i = 1 elseif i>n then i = n end
      if j<0 then j = 1 elseif j>n then j = n end
   end
   if j<i then return "" end
   i = utf8.offset(s,i)
   j = utf8.offset(s,j+1)
   if i and j then return s:sub(i,j-1)
      elseif i then return s:sub(i)
      else return ""
   end
end

Тем не менее, и он не является полностью правильным, т.к. например не учитывает графемы из Unicode.

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.