Lua中的string库和强大的模式匹配学习笔记

lua原生解释器对字符串的处理能力是十分有限的，强大的字符串操作能力来自于string库。lua的string函数导出在string module中。在lua5.1,同时也作为string类型的成员方法，因此，我们既可以写成string.upper(s), 也可以s:upper(),选择你喜欢的写法。

string.len(s)返回s的长度。
string.rep(s, n)返回重复s字符串n次的字符串。
string.lower(s)返回一份已将大写转成小写的字符串s的拷贝
lower,upper都是使用本地字符集的，另外，如果你想对一个string数组进行排序,并不区分大小写，你可能像这么写：

table.sort(a, function(a, b)
     return string.lower(a) < string.lower(b)
end)

string.sub(s, i, j)将从s提取一段字符串，从i到j(闭区间[i, j])，当然你可以使用负索引值，将从字符串尾部算起，-1是最后一个字符，-2是倒数第二，等等,这么做的好处是当我们要提取直到末尾几个字符时，从后面数起就很方便。例如：

s = "[hello,world]"
print(string.sub(s, 2, -2)) --> hello,world

记住，lua中的字符串是不可变的。

string.char, string.byte用于转换字符和对于的数字之间值。例如：

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可以接受第三个参数，返回i,j之间的多个值。例如，这么写将字符串转成字符值数组:

t = {s.byte(1, -1}

要想重新转成字符串的话：

string.char(unpack(t))

string.format是强大字符串格式化函数，和c语言的printf类似，这里不累述。

lua string库里最强大的函数是那些模式匹配函数：find, match, gsub, gmatch。和其他脚本语言不同，lua既没有用posix的正则表达式，也没有用perl的正则表达式。原因是实现这些导致lua占用更多内存，而lua的初衷是小巧的，嵌入应用的语言。 lua用少于500行的代码实现了自己的一套模式匹配，虽然不如标准的正则表达式强（一般需要4000以上代码），但也足够强大。

string.find将查找目标模板在给定字符串中出现的位置，找到返回起始和结束位置，没找到返回nil。例如：

s = "hello,world"
i, j = string.find(s, "hello")
print(string.sub(s, i, j))

当然，string.find还可以给定起始搜索位置，当你想找出所有出现的位置时，这个参数就很有用，例如想知道换行符出现在那些地方：

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类似，都是在指定的string中查找相应的模式。不同的是，他返回的是找到的那部分string:

print(string.match("hello,world","hello")) --> hello

对于像"hello"这样的固定模式来说，这个函数就没啥意义了。但是对于可变模式来说，就显示出他的强大威力了：

date = "now is 2014/10/6 17:58"
d = string.match(date, "%d+/%d+/%d+")
print(d)   --> 2014/10/6

string.gsub有三个参数，给定字符串，匹配模式和替代字符串。作用就是将所有符合匹配模式的地方都替换成替代字符串。并返回替换后的字符串，以及替换次数。

s = string.gsub("lua is cute", "cute", "great")
print(s) --> lua is great

string.gmatch函数将返回一个迭代器，用于迭代所有出现在给定字符串中的匹配字符串。

模式：

字符类：（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

他们的大写版本是他本身的互补。
魔法字符：

( ) . % + - * ? [ ] ^ $

用%进行转义。'%%'代表'%'

字符集(char -set ):使用字符集可以自定义字符类。

1.不同的字符类，和单字符之间用[]
[%w_]匹配字母数字字符和下划线。
[01]匹配二进制数
2.要想字符集内包含字符区间，起止之间加上-
[0-9] 相当于 %d
[0-9a-fa-f]相当于 %x
3.如果想得到该字符集的互补,前面加上^
[^0-7] 任何非八进制数字

重复或可选修饰符

+ 1 or more repetitions，匹配最长的，
* 0 or more repetitions  最长的
- also 0 or more repetitions 最短的
? optional (0 or 1 occurrence)

捕获

捕获机制允许一个模式串中的一部分来匹配目标串种的一部分。写法是模式串中你需要捕获的那部分用()括起来，例如：

pair = "name = anna"
key, value = string.match(pair, "(%a+)%s*=%s*(%a+)")
print(key, value) --> name anna

我们也可以将捕获用于模式串自身，"([\"'])(.-)%1",这里的%1表示匹配第一个捕获的一份拷贝。

替换

前面已知道，string.gsub的参数可以是string，其实，也可以是个函数，或是table，如果是函数，就会用捕获的内容作为参数调用该函数，将返回的内容作为替换字符串。如果是table，则用捕获的内容为key去取table的值来作为替换字符串,如果不存在，就不做替换。如：

function expand(s)
     return string.gsub(s, "$(%w+)", _g)
end
name = "lua"; status = "great"
print(expand("$name is $status, isn't it?"))

（完）