Lua Unicode，使用string.sub()处理双字节字符

Question

例如：我想从字符串“ПРИВЕТ”和“HELLO。”中删除前2个字母，其中一个只包含两个字节的unicode符号。

尝试使用string.sub("ПРИВЕТ")和string.sub("HELLO.")。

得到"Р ИВЕТ "和" LLO. "。

string.sub（）从这些字符串中删除了2个字节（而不是字符）。因此，我想知道如何去除 chars 类似于utf8.sub（）的东西。

- REUSS

---

要从UTF-8字符串中删除前N个字符：str = str:gsub(".[\128-\191]*", "", N) - Egor Skriptunoff

Answer 1

这项任务的关键标准函数是utf8.offset(s,n)，它可以提供字符串s中第n个字符的起始字节位置。

因此，试试这个：

print(string.sub(s,utf8.offset(s,3),-1))

你可以如下定义 utf8.sub：

function utf8.sub(s,i,j)
    i=utf8.offset(s,i)
    j=utf8.offset(s,j+1)-1
    return string.sub(s,i,j)
end

（此代码仅适用于正数j。有关通用情况，请参见http://lua-users.org/lists/lua-l/2014-04/msg00590.html。）

- lhf

Answer 2

有https://github.com/Stepets/utf8.lua这个纯Lua库，它扩展了标准函数以支持UTF8字符串。

- RobertL

Answer 3

我找到了一个更简单的解决方案（使用offset（）的解决方案并不适用于我的所有情况）：

function utf8.sub(s, i, j)
    return utf8.char(utf8.codepoint(s, i, j))
end

- mdt