模式匹配函數
在string庫中功能最強大的函數是:
string.find
(字符串查找)
string.gsub
(全局字符串替換)
string.gfind
(全局字符串查找)
string.gmatch
(返回查找到字符串的迭代器)
這些函數都是基於模式匹配的。
與其他腳本語言不同的是,Lua並不使用POSIX規範的正則表達式[4](也寫作
regexp)來進行模式匹配。主要的原因出於程序大小方面的考慮:實現一個典型的符合POSIX標準的regexp大概需要4000行代碼,這比整個
Lua標準庫加在一起都大。權衡之下,Lua中的模式匹配的實現只用了500行代碼,當然這意味着不可能實現POSIX所規範的所有更能。然而,Lua中
的模式匹配功能是很強大的,並且包含了一些使用標準POSIX模式匹配不容易實現的功能。
string.gmatch(str, pattern)
這是一
個返回迭代器的函數. 實際的用例如下:
s =
"hello world from Lua"
for w in string.gmatch(s, "%a+") do
print(w)
end
這裏是一個捕獲並將配對字符分別存到不同變量的例子:
t
= {}
s = "from=world,
to=Lua"
for k, v in
string.gmatch(s, "(%w+)=(%w+)") do
t[k]=v
end
for k, v in pairs(t) do
print(k, v)
end
string.gsub(str,
pattern, repl, n)
string.gsub()函數根據給定的配對表達式對源字符串str進行 配對, 同時返回源字符串的一個副本, 該副本中成功配對的所有子字符串都將被替換. 函數還將返回成功配對的次數. 實際的替換行爲由repl參數的類型決定:
當repl爲字符串時,
所有成功配對的子字符串均會被替換成指定的repl字串.
當
repl爲table時, 對每個成功配對的子字符串, 函數均會試圖尋找以其爲key值的table中的元素, 並返回該元素.
如果該配對包含任何捕獲信息, 則以編號爲1號的捕獲作爲key值進行查找.
當repl爲函數時, 每個成功配對的子字符串均會作爲參數被傳入到該函數中去.
在repl是table或函數時, 如果該table或函數返回了字串或數字的值,
這個值依然會被用於替換副本字串中的配對子字串. 如果該table/函數返回的值爲空, 將不發生替換.
n參數可選, 當它被指定時, string.gsub()函數只對源字符串中的前n個成功配對的成員進行操作.
以下是幾個例子:
>
print(string.gsub("hello world", "(%w+)", "%1 %1"))
hello hello world
world 2
>
print(string.gsub("hello Lua", "(%w+)%s*(%w+)", "%2 %1"))
Lua hello 1
>
string.gsub("hello world", "%w+", print)
hello world 2
>
lookupTable = {["hello"] = "hola", ["world"] = "mundo"}
> print(string
.gsub("hello
world", "(%w+)", lookupTable))
hola mundo 2
string.match(str, pattern, init)
string.match()只尋找源字串str中的第一個配對. 參數init可選, 指定搜尋過程的起點, 默認爲1.
在成功配對時, 函數將返回配對表達式中的所有捕獲結果;
如果沒有設置捕獲標記, 則返回整個配對字符串. 當沒有成功的配對時, 返回nil.
string.match("abcdaef",
"a")
-> a
string.reverse(str)
返
回一個字符串的倒序排列
string.reverse("abcde")
->edcba
string.dump(function)
返
回指定函數的二進制代碼(函數必須是一個Lua函數,並且沒有上值)
string.find(str, pattern,
init, plain)
s = "hello world"
string.find (s, "hello") --> 1 5
string.find (s, "world") --> 7 11
string.find (s, "l") --> 3 3
string.find (s, "lll") --> nil
string.find 函數第三個參數是可選的:標示目標串中搜索的起始位 置。當我們想查找目標串中所有匹配的子串的時候,這個選項非常有用。我們可以不斷的循環搜索,每一次從前一次匹配的結束位置開始。下面看一個例子,下面的 代碼用一個字符串中所有的新行構造一個表:
local t = {} -- 存放回車符的位置
local i = 0
while true do
i = string.find(s, "/n", i+1) -- 查找下一行
if i == nil then break end
table.insert(t, i)
end
string.sub(str,sPos,ePos)
string.gsub 的功能是截取字符串,他從指定起始位置截取一個字符串。string.sub可以利用string.find返回的值截取匹配的子串。
對簡單模式 而言,匹配的就是其本身
s = "hello world"
local i, j = string.find (s, "hello") --> 1 5
string.sub (s, i, j) --> hello
string.gsub(str , sourcestr, desstr)
string.gsub的基本作用是用來查找匹配模式的串,並將使用替換串其替換掉:
string.gsub 函數有三個參數:目標串,模式串,替換串。
s = string.gsub ("Lua is cute", "cute", "great")
print(s) --> Lua is great
s = string.gsub ("all lii", "l", "x")
print(s) --> axx xii
s = string.gsub ("Lua is great", "perl", "tcl")
print(s) --> Lua is great
第四個參數是可選的,用來限制替換的範圍:
s = string.gsub ("all lii", "l", "x", 1)
print(s) --> axl lii
s = string.gsub ("all lii", "l", "x", 2)
print(s) --> axx lii
string.gsub 的第二個返回值表示他進行替換操作的次數。例如,下面 代碼涌來計算一個字符串中空格出現的次數:
_, count = string.gsub (str, " ", " ")
(注意,_ 只是一個啞元變量)
模式
你還可以在模式串中使用字符類。字符類指可以匹配一個特定字符集合內任何字符的 模式項。比如,字符類%d匹配任意數字。所以你可以使用模式串'%d%d/%d%d/%d%d%d%d'搜索dd/mm/yyyy格式的日期:
s = "Deadline is 30/05/1999, firm"
date = "%d%d/%d%d/%d%d%d%d"
print(string.sub(s, string.find(s, date))) --> 30/05/1999
下 面的表列出了Lua支持的所有字符類:
單個字符(除^$()%.[]*+-?外): 與該字符自身配對
.(點): 與任何字符配對
%a:
與任何字母配對
%c:
與任何控制符配對(例如/n)
%d:
與任何數字配對
%l: 與任何小寫字母配對
%p: 與任何標點(punctuation)配對
%s: 與空白字符配對
%u: 與任何大寫字母配對
%w: 與任何字母/數字配對
%x: 與任何十六進制數配對
%z: 與任何代表0的字符配對
%x(此處x是非字母非數字字符): 與字符x配對.
主要用來處理表達式中有功能的字符(^$()%.[]*+-?)的配對問題, 例如%%與%配對
[數個字符類]: 與任何[]中包含的字符類配對.
例如[%w_]與任何字母/數字, 或下劃線符號(_)配對
[^數個字符類]: 與任何
不
包含在[]中的字符類配對. 例如[^%s]與任何非空白字符配對
當上述的字符類用
大寫
書寫時, 表示與
非
此
字符類的任何字符配對. 例如, %S表示與任何非空白字符配對.例如,'%A'非字母的字符
print(string.gsub("hello, up-down!",
"%A", "."))
--> hello..up.down. 4
(數字4不是字符串結果的一部分,他是gsub返回
的第二個結果,代表發生替換的次數。下面其他的關於打印gsub結果的例子中將會忽略這個數值。)在模式匹配中有一些特殊字符,他們有特殊的意義,Lua
中的特殊字符如下:
( ) . % + - *
? [ ^ $
'%' 用作特殊字符的轉義字符,因此 '%.' 匹配點;'%%' 匹配字符 '%'。轉義字符
'%'不僅可以用來轉義特殊字符,還可以用於所有的非字母的字符。當對一個字符有疑問的時候,爲安全起見請使用轉義字符轉義他。
對Lua而言,模
式串就是普通的字符串。他們和其他的字符串沒有區別,也不會受到特殊對待。只有他們被用作模式串用於函數的時候,'%'
才作爲轉義字符。所以,如果你需要在一個模式串內放置引號的話,你必須使用在其他的字符串中放置引號的方法來處理,使用 '/' 轉義引號,'/'
是Lua的轉義符。你可以使用方括號將字符類或者字符括起來創建自己的字符類(譯者:Lua稱之爲char-set,就是指傳統正則表達式概念中的括號表
達式)。比如,'[%w_]' 將匹配字母數字和下劃線,'[01]' 匹配二進制數字,'[%[%]]'
匹配一對方括號。下面的例子統計文本中元音字母出現的次數:
_, nvow = string.gsub(text, "[AEIOUaeiou]", "")
在
char-set中可以使用範圍表示字符的集合,第一個字符和最後一個字符之間用連字符連接表示這兩個字符之間範圍內的字符集合。大部分的常用字符範圍都
已經預定義好了,所以一般你不需要自己定義字符的集合。比如,'%d' 表示 '[0-9]';'%x' 表示
'[0-9a-fA-F]'。然而,如果你想查找八進制數,你可能更喜歡使用 '[0-7]' 而不是
'[01234567]'。你可以在字符集(char-set)的開始處使用 '^' 表示其補集:'[^0-7]'
匹配任何不是八進制數字的字符;'[^/n]' 匹配任何非換行符戶的字符。記住,可以使用大寫的字符類表示其補集:'%S' 比 '[^%s]'
要簡短些。
Lua的字符類依賴於本地環境,所以 '[a-z]' 可能與 '%l' 表示的字符集不同。在一般情況下,後者包括 'ç' 和
'ã',而前者沒有。應該儘可能的使用後者來表示字母,除非出於某些特殊考慮,因爲後者更簡單、方便、更高效。
可以使用修飾符來修飾模式增強模式
的表達能力,Lua中的模式修飾符有四個:
+ 匹配前一字符1次或多次
* 匹配前一字符0次或多次
- 匹配前一字符0次或多次
? 匹配前一字符0次或1次
'+',匹配一個或多個字符,總是進行最長的匹配。比如,模式串 '%a+'
匹配一個或多個字母或者一個單詞:
print(string.gsub("one, and two; and three", "%a+", "word"))
--> word, word word;
word word
'%d+' 匹配一個或多個數字(整數):
i, j = string.find("the number 1298 is even", "%d+")
print(i,j) --> 12 15
'*' 與 '+' 類似,但是他匹配一個字符0次或多次出現
.
一個典型的應用是匹配空白。比如,爲了匹配一對圓括號()或者括號之間的空白,可以使用 '%(%s*%)'。( '%s*'
用來匹配0個或多個空白。由於圓括號在模式中有特殊的含義,所以我們必須使用 '%' 轉義他。)再看一個例子,'[_%a][_%w]*'
匹配Lua程序中的標示符:字母或者下劃線開頭的字母下劃線數字序列。
'-' 與 '*'
一樣,都匹配一個字符的0次或多次出現,但是他進行的是最短匹配。某些時候這兩個用起來沒有區別,但有些時候結果將截然不同。比如,如果你使用模式
'[_%a][_%w]-' 來查找標示符,你將只能找到第一個字母,因爲 '[_%w]-'
永遠匹配空。另一方面,假定你想查找C程序中的註釋,很多人可能使用 '/%*.*%*/'(也就是說 "/*" 後面跟着任意多個字符,然後跟着
"*/" )。然而,由於 '.*' 進行的是最長匹配,這個模式將匹配程序中第一個 "/*" 和最後一個 "*/" 之間所有部分:
test = "int x; /* x */ int y; /* y */"
print(string.gsub(test, "/%*.*%*/",
"<COMMENT>"))
--> int x; <COMMENT>
然而模式 '.-' 進行的是最短匹配
,她會匹配
"/*" 開始到第一個 "*/" 之前的部分:
test = "int x; /* x */ int y; /* y */"
print(string.gsub(test, "/%*.-%*/",
"<COMMENT>"))
--> int x; <COMMENT> int y; <COMMENT>
'?' 匹配一個字符0次或1次
。舉個例子,假定我們
想在一段文本內查找一個整數,整數可能帶有正負號。模式 '[+-]?%d+' 符合我們的要求,它可以匹配像 "-12"、"23" 和
"+1009" 等數字。'[+-]' 是一個匹配 '+' 或者 '-' 的字符類;接下來的 '?' 意思是匹配前面的字符類0次或者1次。
與
其他系統的模式不同的是,Lua中的修飾符不能用字符類;不能將模式分組然後使用修飾符作用這個分組。比如,沒有一個模式可以匹配一個可選的單詞(除非這
個單詞只有一個字母)。下面我將看到,通常你可以使用一些高級技術繞開這個限制。
以 '^' 開頭的模式只匹配目標串的開始部分,相似的,以
'$' 結尾的模式只匹配目標串的結尾部分。這不僅可以用來限制你要查找的模式,還可以定位(anchor)模式。比如:
if string.find(s, "^%d") then ...
檢
查字符串s是否以數字開頭,而
if
string.find(s, "^[+-]?%d+$") then ...
檢查字符串s是否是一個整數。
'%b'
用來匹配對稱的字符。常寫爲 '%bxy' ,x和y是任意兩個不同的字符;x作爲匹配的開始,y作爲匹配的結束。比如,'%b()' 匹配以 '('
開始,以 ')' 結束的字符串:
print(string.gsub("a
(enclosed (in) parentheses) line", "%b()", ""))
--> a line
常用的這
種模式有:'%b()' ,'%b[]','%b%{%}' 和 '%b<>'。你也可以使用任何字符作爲分隔符。