LuaString库捕获和替换（标准库相关）

171 阅读 0 评论 113 点赞

我是靠谱客的博主朴素翅膀，这篇文章主要介绍LuaString库捕获和替换（标准库相关），现在分享给大家，希望可以做个参考。

捕获（Captures）

Capture3是这样一种机制：可以使用模式串的一部分匹配目标串的一部分。将你想捕获的模式用圆括号括起来，就指定了一个capture。

在 string.find 使用 captures 的时候，函数会返回捕获的值作为额外的结果。这常被用来将一个目标串拆分成多个：

复制代码

1
2
3
4
pair = "name = Anna"
_, _, key, value = string.find(pair, "(%a+)%s*=%s*(%a+)")
print(key, value) --> name Anna

‘%a+’ 表示菲空的字母序列；’%s*’ 表示 0 个或多个空白。在上面的例子中，整个模式代表：一个字母序列，后面是任意多个空白，然后是 ‘=’ 再后面是任意多个空白，然后是一个字母序列。两个字母序列都是使用圆括号括起来的子模式，当他们被匹配的时候，他们就会被捕获。当匹配发生的时候，find 函数总是先返回匹配串的索引下标（上面例子中我们存储哑元变量 _ 中），然后返回子模式匹配的捕获部分。下面的例子情况类似：

复制代码

1
2
3
4
date = "17/7/1990"
_, _, d, m, y = string.find(date, "(%d+)/(%d+)/(%d+)")
print(d, m, y) --> 17 7 1990

我们可以在模式中使用向前引用，’%d’（d 代表 1-9 的数字）表示第 d 个捕获的拷贝。看个例子，假定你想查找一个字符串中单引号或者双引号引起来的子串，你可能使用模式 ‘["’].-["’]’，但是这个模式对处理类似字符串 “it’s all right” 会出问题。为了解决这个问题，可以使用向前引用，使用捕获的第一个引号来表示第二个引号：

复制代码

1
2
3
4
5
s = [[then he said: "it's all right"!]]
a, b, c, quotedPart = string.find(s, "(["'])(.-)%1")
print(quotedPart) --> it's all right
print(c) --> "

第一个捕获是引号字符本身，第二个捕获是引号中间的内容（’.-’ 匹配引号中间的子串）。

捕获值的第三个应用是用在函数 gsub 中。与其他模式一样，gsub 的替换串可以包含 ‘%d’，当替换发生时他被转换为对应的捕获值。（顺便说一下，由于存在这些情况，替换串中的字符 ‘%’ 必须用 “%%” 表示）。下面例子中，对一个字符串中的每一个字母进行复制，并用连字符将复制的字母和原字母连接起来：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
print(string.gsub("hello Lua!", "(%a)", "%1-%1"))
 --> h-he-el-ll-lo-o L-Lu-ua-a!
下面代码互换相邻的字符:
print(string.gsub("hello Lua", "(.)(.)", "%2%1"))
--> ehll ouLa
让我们看一个更有用的例子，写一个格式转换器：从命令行获取 LaTeX 风格的字符串，形如：
command{some text}
将它们转换为 XML 风格的字符串：
<command>some text</command>
对于这种情况,下面的代码可以实现这个功能：
s = string.gsub(s, "\(%a+){(.-)}", "<%1>%2</%1>")
比如，如果字符串 s 为：
the quote{task} is to em{change} that.
调用 gsub 之后，转换为：
the <quote>task</quote> is to change that.
另一个有用的例子是去除字符串首尾的空格：
function trim (s)
return (string.gsub(s, "^%s*(.-)%s*$", "%1"))
end

注意模式串的用法，两个定位符（’^’ 和 ‘$’）保证我们获取的是整个字符串。因为，两个 ‘%s*’ 匹配首尾的所有空格，’.-’ 匹配剩余部分。还有一点需要注意的是 gsub 返回两个值，我们使用额外的圆括号丢弃多余的结果（替换发生的次数）。

最后一个捕获值应用之处可能是功能最强大的。我们可以使用一个函数作为string.gsub 的第三个参数调用 gsub。在这种情况下，string.gsub 每次发现一个匹配的时候就会调用给定的作为参数的函数，捕获值可以作为被调用的这个函数的参数，而这个函数的返回值作为 gsub 的替换串。先看一个简单的例子，下面的代码将一个字符串中全局变量$varname 出现的地方替换为变量 varname 的值：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
function expand (s)
 s = string.gsub(s, "$(%w+)", function (n) 
 return _G[n]
end)
return s
end
name = "Lua"; status = "great"
print(expand("$name is $status, isn't it?"))
--> Lua is great, isn't it?
如果你不能确定给定的变量是否为 string 类型，可以使用 tostring 进行转换：
function expand (s)
return (string.gsub(s, "$(%w+)", function (n)
 return tostring(_G[n])
end))
end
print(expand("print = $print; a = $a"))
--> print = function: 0x8050ce0; a = nil
下面是一个稍微复杂点的例子，使用 loadstring 来计算一段文本内$后面跟着一对方括号内表达式的值：
s = "sin(3) = $[math.sin(3)]; 2^5 = $[2^5]"
print((string.gsub(s, "$(%b[])", function (x)
 x = "return " .. string.sub(x, 2, -2)
local f = loadstring(x)
return f()
end)))
--> sin(3) = 0.1411200080598672; 2^5 = 32

第一次匹配是 “ $[m a t h . s i n (3)] " ，对应的捕获为 "$ [math.sin(3)]”，调用 string.sub 去掉首尾的方括号，所以被加载执行的字符串是 “return math.sin(3)”，"$[2^5]" 的匹配情况类似。

我们常常需要使用 string.gsub 遍历字符串，而对返回结果不感兴趣。比如，我们收集一个字符串中所有的单词，然后插入到一个表中：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
words = {}
string.gsub(s, "(%a+)", function (w)
 table.insert(words, w) 
end)
如果字符串 s 为 "hello hi, again!"，上面代码的结果将是：
{"hello", "hi", "again"}
使用 string.gfind 函数可以简化上面的代码：
words = {}
for w in string.gfind(s, "(%a)") do
 table.insert(words, w)
end
gfind 函数比较适合用于范性 for 循环。他可以遍历一个字符串内所有匹配模式的子
串。我们可以进一步的简化上面的代码，调用 gfind 函数的时候，如果不显示的指定捕
获，函数将捕获整个匹配模式。所以，上面代码可以简化为：
words = {}
for w in string.gfind(s, "%a") do
 table.insert(words, w)
end

下面的例子我们使用 URL 编码，URL 编码是 HTTP 协议来用发送 URL 中的参数进行的编码。这种编码将一些特殊字符（比如 ‘=’、’&’、’+’）转换为 “%XX” 形式的编码，其中 XX 是字符的 16 进制表示，然后将空白转换成 ‘+’。比如，将字符串 “a+b = c” 编码为 “a%2Bb+%3D+c”。

最后，将参数名和参数值之间加一个 ‘=’；在 name=value 对之间加一个 “&”。比如字符串：
name = “al”; query = “a+b = c”; q=“yes or no”
被编码为：
name=al&query=a%2Bb+%3D+c&q=yes+or+no
现在，假如我们想讲这 URL 解码并把每个值存储到表中，下标为对应的名字。下面的函数实现了解码功能：

复制代码

1
2
3
4
5
6
7
8
function unescape (s)
 s = string.gsub(s, "+", " ")
 s = string.gsub(s, "%%(%x%x)", function (h)
 return string.char(tonumber(h, 16))
end)
return s
end

第一个语句将 ‘+’ 转换成空白，第二个 gsub 匹配所有的 ‘%’ 后跟两个数字的 16 进制数，然后调用一个匿名函数，匿名函数将 16 进制数转换成一个数字（tonumber 在 16进制情况下使用的）然后再转化为对应的字符。比如：

复制代码

1
2
print(unescape("a%2Bb+%3D+c")) --> a+b = c

对于 name=value 对，我们使用 gfind 解码，因为 names 和 values 都不能包含 ‘&’ 和 '='我们可以用模式 ‘[^&=]+’ 匹配他们：

复制代码

1
2
3
4
5
6
7
8
9
cgi = {}
function decode (s)
for name, value in string.gfind(s, "([^&=]+)=([^&=]+)") do
 name = unescape(name)
 value = unescape(value)
 cgi[name] = value
end
end

调用 gfind 函数匹配所有的 name=value 对，对于每一个 name=value 对，迭代子将其相对应的捕获的值返回给变量 name 和 value。循环体内调用 unescape 函数解码 name 和value 部分，并将其存储到 cgi 表中。

与解码对应的编码也很容易实现。首先，我们写一个 escape 函数，这个函数将所有的特殊字符转换成 ‘%’ 后跟字符对应的 ASCII 码转换成两位的 16 进制数字（不足两位，前面补 0），然后将空白转换为 ‘+’：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
function escape (s)
 s = string.gsub(s, "([&=+%c])", function (c)
 return string.format("%%%02X", string.byte(c))
end)
 s = string.gsub(s, " ", "+")
return s
end
编码函数遍历要被编码的表，构造最终的结果串：
function encode (t)
local s = ""
for k,v in pairs(t) do
 s = s .. "&" .. escape(k) .. "=" .. escape(v)
end
return string.sub(s, 2) -- remove first `&'
end
t = {name = "al", query = "a+b = c", q="yes or no"}
print(encode(t)) --> q=yes+or+no&query=a%2Bb+%3D+c&name=al