String 卢阿语中阿拉伯字母的长度

在Lua语言中，当我想得到一个阿拉伯字母的长度时（例如

“ف”

），答案将是

2

例如

local letter = "ف"
print( letter:len() )

输出：

2

使用

（string.sub（a，b））

时也会出现同样的问题。如果我想打印阿拉伯语单词的第一个字母，我不能说

（string.sub（1,1）

前。

输出：

ف

正如你所看到的，我把第二个论点（2）放在第（1）位是为了得到正确的答案。
如果我提出第一个论点1，答案将是：

print( word_1:sub(1,1) )

输出：

Ù

为什么Lua将一个阿拉伯字母的长度计算为两个

有没有办法得到正确的长度，即1？

Lua是8位干净的

换句话说，Lua字符串是一个字节序列，它在内部不支持Unicode。阿拉伯语字母

“ف”

有2个字节，因此Lua将其视为长度为2的字符串

您需要使用一种特殊的技巧来操作Unicode，例如，假设使用了UTF-8，您可以使用此代码段来计算字符串的长度（Referece:）：

---

Lua是8位干净的，这就足以说明Lua支持Unicode。虽然没有额外的Unicode支持库，但支持的范围很小。 对于任何Unicode字符串，至少有4种方法可以测量它：代码单位、代码点、图形集簇。第四种方法是字节计数，它是代码单位的常量倍数，具体取决于使用的UTF。UTF-8:1 UTF16:2 UTF32:4。

---

因此，请清楚地考虑您在哪里需要这些措施。

Lua5.3现在发布了。它提供了一个基本的UTF-8库

可用于获取UTF-8字符串的长度：

print(utf8.len("ف"))
-- 1

---

它可能是Unicode表示法，也就是两个字节。阿拉伯语、希伯来语、汉字、普通话等不符合ASCII单字节/字符的思维方式，因为它只能有2^8=256个字符。阿拉伯语的含义不止于此。您可能应该指出，有指向Lua模块和库的链接，它们完成了大部分字符串在链接页面的底部（）为您提供操作。可能会提到您计算的单位和假设：代码点（不是图形字符）和格式良好的输入。我同意这种方法，但字节数不是代码单元的常数倍。给定编码，代码单元的大小是常数。但代码单元的数量取决于编码的代码点（UTF-32除外，它总是1）.Tom，请重新阅读您的评论。您的前两句话彼此之间存在严重分歧。我看不出您的最后一句话应该澄清或更正什么…代码单元中的字节数取决于编码：例如，1表示UTF-8，2表示UTF-16，4表示UTF-32。代码点中的代码单元数取决于编码d代码点：U+00000␀ 在UTF-8中有1个，在UTF-16中有1个，在UTF-32中有1个，在修改后的UTF-8中有2个；U+1D58B，所以，你同意字节数是代码单位的常数倍数。你在第一条评论的第一句中反驳了这一点，尽管你第一条评论的第二句反驳了你的矛盾。顺便说一句，这与每个代码点的代码单位无关，这是您在第一条评论中添加了一个非序列，现在对其进行扩展。回到您的回答，您可能是指“整数倍”而不是“常数倍”。无论如何，我建议您将“倍数”全部删除。字符串中的字节数（这就是您所描述的）不能通过乘法计算，只能通过迭代加法（UTF-32除外）。所以，我认为在你的好答案中，这是一个误导性的术语。

local _, count = string.gsub(unicode_string, "[^\128-\193]", "")

print(utf8.len("ف"))
-- 1