lua - 非 ascii 字符的 string.byte答案

【问题标题】：lua - string.byte for non ascii characterslua - 非 ascii 字符的 string.byte
【发布时间】：2014-08-03 03:28:29
【问题描述】：

我想将字符转换为数字代码，所以我尝试了 string.byte("å")。但是，对于这类字符，string.byte() 的返回值似乎是 195；

任何获取非ASCII字符的数字代码的方法，例如：？

à,á,â,ã,ä,å

我用的是纯lua；

【问题讨论】：

其UTF-8编码为195,165（两个字节），可通过print(string.byte("å",1,-1))获取
What is Unicode, UTF-8, UTF-16?的可能重复
一个 Lua 字符串是一个计数的字节序列。在这种情况下，您放入这些字节中的内容在您和您的代码编辑器之间。
你的问题有点不清楚。您已使用 UTF-8 编码保存脚本。 @YuHao 显示如何检索字符串中每个字符的可变字节数。但是，你真的想要字符的代码点吗？对于 Unicode 中的 å，它将是 229。

【解决方案1】：

Lua 认为字符串是一个字节序列，但一个 Unicode 字符可能包含多个字节。

假设字符串具有有效的 UTF-8 编码，您可以使用模式 "[\0-\x7F\xC2-\xF4][\x80-\xBF]*" 匹配单个 UTF-8 字节序列。（在 Lua 5.1 中，使用"[%z\1-\127\194-\244][\128-\191]*"），然后获取它的数字代码：

local str = "à,á,â,ã,ä,å"

for c in str:gmatch("[\0-\x7F\xC2-\xF4][\x80-\xBF]*") do
    print(c:byte(1, -1))
end

输出：

请注意，44 是逗号的编码。

【讨论】：

Lua 将字符串定义为计数的字节序列。规范是这样定义的。如果你想要别的东西，你就选错了数据类型。
@Deduplicator 你的意思是：因为原生 Lua 字符串不支持 Unicode（还），那么不要尝试用 Lua 解决 Unicode 问题？如果解决方案如此简单，为什么不呢？
我不是这个意思。我刚刚说过 Lua 文档不能误认为字符串是什么，因为它是负责定义的权威（至少对于 Lua 而言）。字节字符串不限于有效的 UTF-8（尽管任何 UTF-8 字符串都是有效的 Lua 字符串），也不只是 unicode 代码点或字素或字素簇的接口，这一事实不会改变任何东西。改第一句就行了顺便说一句：将 Lua 字符串更改为仅限于 Unicode 并强制执行 Unicode 语义会使其在许多情况下无用。