Unicode 用Lua提取UTF-8字符串的第一个字母

有没有办法用Lua提取UTF-8编码字符串的第一个字母

Lua不支持Unicode，因此

string.sub（“ÆØ”，2，2）

将返回

“？”

，而不是

“Ø”

是否有一个相对简单的UTF-8解析算法可以用于每个字节的字符串字节，其唯一目的是获取字符串的第一个字母，无论是汉字还是a

---

或者这种方法过于复杂，需要庞大的库等？

您可以使用以下代码轻松地从UTF-8编码字符串中提取第一个字母：

function firstLetter(str)
  return str:match("[%z\1-\127\194-\244][\128-\191]*")
end

因为UTF-8代码点要么以0到127的字节开始，要么以194到244的字节后跟128到191的一个或多个字节开始

您甚至可以以类似的方式迭代UTF-8代码点：

for code in str:gmatch("[%z\1-\127\194-\244][\128-\191]*") do
  print(code)
end

请注意，这两个示例都为每个字母返回一个字符串值，而不是Unicode代码点数值。

Lua5.3提供了一个字符串值

您可以使用

utf8.code

获取每个代码点，然后使用

utf8.char

获取字符：

local str = "ÆØÅ"
for _, c in utf8.codes(str) do
  print(utf8.char(c))
end

---

这也适用于：

local str = "ÆØÅ"
for w in str:gmatch(utf8.charpattern ) do
  print(w)
end

---

其中，

utf8.charpattern

只是字符串

“[\0-\x7F\xC2-\xF4][\x80-\xBF]*”

，用于模式匹配一个UTF-8字节序列。

“简单Unicode解析算法”这是什么类型的“Unicode”？是UTF-8、UTF-16还是别的什么？编码是什么？读这个。求你了，这也是一个精彩的节目！这正是我想要的答案。简短而精确。这对于已经验证过的数据来说是合理的，但您可能需要小心处理尚未验证过的数据。