ch4.md

4 - 字符串

概览

• 和 Python 一样，Lua 的字符串是**不可变（immutable）**值，意味着如果你想要修改字符串，必须根据原字符串创建一个新字符串，然后再把新字符串赋值给原字符串
• 使用长度操作符 # 来获得字符串的长度
• 使用连接操作符 .. 来连接两个字符串，该操作不会影响原字符串的值
  • 如果操作数为 number，那么 Lua 会自动将其转换成字符串
    • 在书写的时候，需要加空格分隔，否则会被识别为小数点，如 12..34 应当为 12 .. 34

转义字符

除了支持 C 语言风格的转义字符以外，Lua 还支持 UTF-8 字符的声明，格式为 "\u{xxx}"，其中 xxx 为 16 进制数字

多行字符串

• 使用一对双方括号 [[ xxx ]] 来声明多行字符串常量
  • 任何其中的转义字符都不会被转义
• 如果 [[ 之后紧跟着一个换行符，则它会被忽略，这样做可以使代码更美观
• 如果字符串中包含 ]] 或多行注释，为了防止字符串在中间断开，可以使用 [==[ xxx ]==]，其中 = 的数量任意，但前后必须匹配
  • 这一做法对于多行注释同样适用

类型转换

• 对于任何有字符串参与的算术运算，字符串会被自动转换成浮点数
  • 如 "10" + 1 的结果为 11.0，但不推荐这种写法
• 对于比较运算，则不会进行自动转换，对于两个字符串的比较，默认按照字典序进行
  • 如果将字符串与数值进行比较，则会报错
• 使用函数 tonumber 来显式地将字符串转换为数值，它包含一个可选的进制参数，默认为十进制
  • 这里我有点好奇可选参数是怎么实现的，因为经过搜索发现，Lua 并不支持函数重载
  • 答案是，在调用函数时，未传递的参数默认会被赋 nil，这样就能实现默认或可选参数的效果了
  • 感想：引入 nil 这样的特殊值很有用！

字符串标准库

这里列举一些常用函数。

• string.len：返回字符串的长度，等价于 #
• string.rep(s, n)：将字符串重复 n 次
• string.reverse：将字符串反转
• string.lower：将所有大写字母转换成小写字母
• string.upper：将所有小写字母转换成大写字母
• string.sub(s, i, j)：提取从第 i 到第 j 个字符组成的子串，支持负数索引
• string.char(...)：将若干个整数转换为字符串然后依次连接
• string.byte(s, i, j)：得到指定子串的内部数值表示，返回值为表
  • string.byte(s, i)：得到第 i 个字符的内部数值表示
  • 这里我很好奇 string.byte("abc", 1, -1) 的返回值，于是用 type 函数看了一下，结果是 number
  • 原来多返回值函数的返回值不是一个 table 吗？
  • 问了 ChatGPT，发现该类型实际上是多返回值中的第一个值的类型
  • 如果想要返回表，需要手动套上 {}
  • 话说回来，多返回值函数的返回值个数一般来说是事先确定的，string.byte 是如何实现可变个数的返回值的呢？
  • 再次询问 GPT，答案是使用 unpack 函数！
• string.find(s, pattern)：用于搜索 pattern 字符串，在 s 中第一次出现的位置
  • 如果找到了，返回起始和终止字符在 s 中的索引（从 1 开始），否则返回 nil
• string.gsub(s, pattern, sub)：将 s 中所有满足 pattern 的子串都替换为 sub
• 语法糖：string.sub(s, i, j) 可以简写成 s:sub(i, j)
  • 我的疑惑是，Lua 怎么知道 sub 是属于 string 的？
  • 经过搜索，我发现这涉及后面的知识点——元表，此处先略去

Unicode 编码

Lua 提供了名叫 utf8 的标准库，用于支持对 UTF-8 字符串的操作。原字符串标准库 string 部分支持 utf8，但为了不产生混淆，这里我仅使用 utf8 库来处理 UTF-8 字符串。

• utf8.len：返回 UTF-8 字符串的 code point 个数
  • 如果发现无效 UTF-8 字符，则返回 nil 和第一个无效字节的位置
• utf8.char(...)：类似 string.char
• utf8.codepoint(s, i, j)：类似 string.byte
• utf8.offset(s, i)：得到第 i 个 code point 的字节位置
• utf8.codes：用于 for in 遍历 UTF-8 字符串，每个条目为 字节位置 内部数值
• 注意，utf8 中的大部分函数以字节为索引，而不是 code point