使用LPeg匹配Unicode标点

我正在尝试创建一个LPeg模式，它将匹配UTF-8编码输入中的任何Unicode标点。我想到了赛琳娜·Unicode和LPeg的以下联姻：

localunicode=require（“unicode”）
本地lpeg=需要（“lpeg”）
局部标点=lpeg.Cmt（lpeg.Cs（any*any^-3），函数（s，i，a）
本地匹配=unicode.utf8.match（a，“^%p”）
如果匹配==nil
返回错误
其他的
返回i+#匹配
结束
(完)

这似乎是可行的，但它将丢失由多个Unicode代码点组合而成的标点字符（如果存在这样的字符），因为我只在前面读取了4个字节，这可能会破坏解析器的性能，而且库

匹配

函数将执行的操作尚未定义，当我给它输入一个包含矮小UTF-8字符的字符串时（尽管它现在似乎可以工作）

---

我想知道这是否是一种正确的方法，或者是否有更好的方法来实现我试图实现的目标。

中的示例显示了匹配UTF-8字符的正确方法。UTF-8字符的第一个字节决定了该字符中还有多少字节：

local cont = lpeg.R("\128\191") -- continuation byte

local utf8 = lpeg.R("\0\127")
           + lpeg.R("\194\223") * cont
           + lpeg.R("\224\239") * cont * cont
           + lpeg.R("\240\244") * cont * cont * cont

在这个

utf8

模式的基础上，我们可以使用

lpeg.Cmt

和Selene-Unicode

match

函数，就像您建议的那样：

local punctuation = lpeg.Cmt(lpeg.C(utf8), function (s, i, c)
    if unicode.utf8.match(c, "%p") then
        return i
    end
end)

请注意，我们返回的是

i

，这与

Cmt

的预期一致：

给定函数获取整个主题作为参数，当前位置（匹配patt后），加上patt生成的任何捕获值。函数返回的第一个值定义了匹配的发生方式。如果调用返回一个号码，则匹配成功，返回的号码将成为新的当前位置

---

这意味着我们应该返回函数接收到的相同数字，即UTF-8字符后的位置。

这将有助于提供一个具体示例，说明它与预期结果不匹配的内容。它不会与我抛出的任何输入不匹配，我只是不相信这是正确的方法，我觉得我引入了一些微妙的错误，这些错误以后会咬到我；非常感谢。我觉得很愚蠢，因为我没有注意到LPeg主页上有一个直接的例子。