Lua的字符串匹配与正则表达式
Lua的字符串匹配与正则表达式
使用lua一段时间了，简单总结下string库中的几个与正则相关的函数。这些函数是find，match, gmatch和gsub。然后是lua中支持的正则。文中的例子在lua5.3的命令行中试验过。5.1版的需要在提示符前加一个=号或加return空格。
string.find(s, pattern[, init[, plain]])
- 在字符串s中匹配pattern，如果匹配成功返回第一个匹配到的子串的起始索引和结束索引，如果pattern中有分组，分组匹配的内容也会接着两个索引值之后返回。如果匹配失败返回nil。
- 可选数值参数init表示从s中的哪个索引位置开始匹配，缺省值是1，可以为负索引。
- 可选布尔值参数plain为true时，pattern作为普通字符串匹配，所有正则中的元字符都只被作为普通字符解析。（这个参数并不是匹配字符串的结束索引）
#########string.find('Hanazawa Kana', 'na')
3 4
string.find('Hanazawa Kana', '[%a]+')
1 8
string.find('2015-5-12 13:53', '(%d+)-(%d+)-(%d+)')
1 9 2015 5 12
string.find('2015-5-12 13:53', '(%d+)-(%d+)-(%d+)', 1, true)
nil
string.find('%a1234567890%a', '%a', 3, true)
13 14
string.match(s, pattern[, init])
在字符串s中匹配pattern，如果匹配失败返回nil。否则，当pattern中没有分组时，返回第一个匹配到的子串；当pattern中有分组时，返回第一个匹配到子串的分组，多个分组就返回多个。可选参数init表示匹配字符串的起始索引，缺省为1，可以为负索引。
> string.match('2015-5-12 13:53', '%d+-%d+-%d+')
2015-5-12
> string.match('2015-5-12 13:53', '(%d+)-(%d+)-(%d+)')
2015 5 12
> string.match('2015-5-12 13:53', '((%d+)-(%d+)-(%d+))')
2015-5-12 2015 5 12
可以发现，所有用到match的地方都可以用find来实现。match是find的一个简化版
string.gmatch(s, pattern)
返回一个迭代器。每当迭代器调用时，返回下一个匹配到的子串，如果pattern中有分组，返回的是子串对应的分组。gmatch也可以用find和循环来实现。
> for s in string.gmatch('2015-5-12 22:20', '%d+') do print(s) end
2015
5
12
22
20
> for s in string.gmatch('Hanazawa Kana', 'a(%a)a') do print(s) end --找出形如“a字母a”中间的字母
n
w
n
> for k, v in string.gmatch('a=214,b=233', '(%w+)=(%w+)') do print(k, v) end
a 214
b 233
看上面第二个测试例子，处于两个a字母中间的单个字母还有‘z’，但循环并没有输出。原因是在'ana'匹配成功之后，接下来匹配是从'z'开始的，z没有被匹配到。正确的模式pattern应该不要捕获'a(%a)a'的后面的a，用python的正则可以写成'a(\w)(?=a)',他不会消耗掉后面的a。但是lua不支持(?=...)。（python中\w表示单词字符[a-zA-Z0-9_]，记不清就把这类元字符列出来 如 %a写成[a-zA-Z] 。）
string.gsub(s, pattern, repl[, n])
替换字符串函数！这个功能应该是字符串处理中实用性最强的一个。
把字符串中用模式pattern匹配到的所有子串替换为repl指代的子串，返回替换后的字符串和替换的次数。可选数值参数n表示最多可替换的次数。
参数repl可以是正则表达式，也可以是函数。当repl是函数时，函数的参数是模式pattern捕获的子串，和match类似，有分组返回分组，无分组返回整个子串。函数最后应该返回一个字符串。如果repl是正则表达式，可以用分组序号引用匹配到的分组。
> string.gsub('Hanazawa Kana', 'na', 'nya')
Hanyazawa Kanya
> string.gsub('Hanazawa Kana', 'na', function(s) return string.sub(s,1,1)..'y'..string.sub(s,2,2) end)
Hanyazawa Kanya
> string.gsub('Hanazawa Kana', '(n)(a)', function(a,b) return a..'y'..b end)
Hanyazawa Kanya
> string.gsub('Hanazawa Kana', '(n)(a)', '%1y%2')
Hanyazawa Kanya
Lua中的正则表达式
正则表达式由元字符按照规则(语法)组成。lua中的特殊字符是%.^$+-*?,一共12个。它们和一般字符按规则构成了lua的正则表达式。
| 元字符 | 描述 | 表达式实例 | 完整匹配的字串 |
|---|---|---|---|
| 字符 | |||
| 普通字符 | 除去%.[]()^$*+-?的字符，匹配字符本身 | Kana | Kana |
| . | 匹配任意字符 | Ka.a | Kana |
| % | 转义字符，改变后一个字符的原有意思。当后面的接的是特殊字符时，将还原特殊字符的原意。%和一些特定的字母组合构成了lua的预定义字符集。%和数字1~9组合表示之前捕获的分组 | K%wna %%na%% (a)n%1 | Kana %na% ana |
| [...] | 字符集（字符类）。匹配一个包含于集合内的字符。[...]中的特殊字符将还原其原意，但有下面几种特殊情况 1. %]，%-，%^作为整体表示字符']'，'-'，'^' 2. 预定义字符集作为一个整体表示对应字符集 3. 当]位于序列的第一个字符时只表示字符']' 4. 形如[^...],[...-...]有特定的其他含义 | [a%]na [%a]na [%%a]na []]na [%]]na [a-]na | %na wna wna ]na ]na -na |
| [...-...] | -表示ascii码在它前一个字符到它后一个字符之间的所有字符 | [a-z]a | na |
| [^...] | 不在...中的字符集合。 | [^0-9]na [^^0-9]na | Kna Kna |
| 重复（数量词） | |||
| * | 表示前一个字符出现0次或多次 | [0-9]* [a-z]*9* | 2009 na |
| + | 表示前一个字符出现1次或1次以上 | n+[0-9]+ | n2009 |
| ? | 表示前一个字符出现0次或1次 | n?[0-9]+ | 2009 |
| 预定义字符集 | |||
| %s | 空白符[ \r\n\t\v\f] | an[%s]?9 | an 9 |
| %p | 标点符号 | an[%p]9 | an.9 |
| %c | 控制字符 | ||
| %w | 字母数字[a-zA-Z0-9] | [%w]+ | Kana9 |
| %a | 字母[a-zA-Z] | [%a]* | Kana |
| %l | 小写字母[a-z] | - | |
| %u | 大写字母[A-Z] | - | |
| %d | 数字[0-9] | - | |
| %x | 16进制数[0-9a-fA-F] | - | |
| %z | ascii码是0的字符 | - | |
| 分组 | |||
| (...) | 表达式中用小括号包围的子字符串为一个分组，分组从左到右（以左括号的位置），组序号从1开始递增。 | ab(%d+) (%d+)%1 | ab233 123123 |
| 边界匹配（属于零宽断言） | |||
| ^ | 匹配字符串开头 | ^(%a)%w* | abc123 |
| $ | 匹配字符串结尾 | %w*(%d)$ | abc123 |
| %b | |||
| %bxy | 平衡匹配（匹配xy对）。这里的x，y可以是任何字符，即使是特殊字符也是原来的含义，匹配到的子串以x开始，以y结束，并且如果从x开始，每遇到x，计算+1，遇到y计数-1，则结束的y是第一个y使得计数等于0。就是匹配成对的符号，常见的如%b()匹配成对的括号 | %b() %d+%b() | (3+4(x*2)) 2(3+4(x*2)) |
参考
