Lua 截取字符串（截取utf-8格式字符串）

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

对utf-8完全没概念的可以看看我上一篇随笔：简单说说utf-8编码格式

另外，还要知道string.sub 和 string.byte 的用法。

先上完整代码：

local StringHelper = {}--[[
utf-8编码规则
单字节 - 0起头
1字节 0xxxxxxx 0 - 127
多字节 - 第一个字节n个1加1个0起头
2 字节 110xxxxx 192 - 223
3 字节 1110xxxx 224 - 239
4 字节 11110xxx 240 - 247
可能有1-4个字节
--]]
function StringHelper.GetBytes(char)
if not char then
return
end
local code = string.byte(char)
if code < then
return
elseif code <= then
return
elseif code <= then
return
elseif code <= then
return
else
-- 讲道理不会走到这里^_^
return
end
endfunction StringHelper.Sub(str, startIndex, endIndex)
local tempStr = str
local byteStart = -- string.sub截取的开始位置
local byteEnd = - -- string.sub截取的结束位置
local index = -- 字符记数
local bytes = -- 字符的字节记数 startIndex = math.max(startIndex, )
endIndex = endIndex or -
while string.len(tempStr) > do
if index == startIndex - then
byteStart = bytes+;
elseif index == endIndex then
byteEnd = bytes;
break;
end
bytes = bytes + StringHelper.GetBytes(tempStr)
tempStr = string.sub(str, bytes+) index = index +
end
return string.sub(str, byteStart, byteEnd)
end

基本思路：

之所以要自己写一个截取函数，是因为lua的库函数string.sub实际是字节的截取函数。

uft-8编码格式中，大部分中文是3个字节表示的，数字和字母等是一个字节的，还有某些国家的语言是2字节的，直接用string.sub就可能截出乱码来，因为不确定要截多少个字节。

所以，

定义一个GetBytes函数，获取字符的字节数（根据首个字节的高位标记，判断是几字节的字符）

然后不断后移，记录字节数和字符数。

如上图，假设要取字符3-4，那么应该从第3个字符的第一个字节取到第4个字最后一个字节

即：

当前字符数为截取的起始字符（startIndex）前一个位置时，说明从下一个字节开始截取字符串即 index == startIndex - 1 时 byteStart = bytes+1

当前字符数为截取的终止字符（endIndex）时，说明要截取的字符串到此为止即 index == endIndex 时 byteEnd = bytes

用 string.sub(str, byteStart, byteEnd) 就能截取byteStart 到 byteEnd 的字节

测试代码：

str = "中1文*a字符串勉強します";
print(StringHelper.Sub(str, 3, 4))
print(StringHelper.Sub(str, , ))
print(StringHelper.Sub(str, ))
print(StringHelper.Sub(str, , ))

测试结果：