怎么用lua判断中文一个字符的长度串的长度

来源：蜘蛛抓取(WebSpider) 时间：2016-11-11 13:12 标签： 一个字符的长度

一、UTF-8编码规则

UTF-8 是 Unicode 的实现方式之一其对应关系（编码规则）如下表所示：

UTF-8编码方式（二进制）

UTF-8 最大的一个特点，就是它是一种变长的编码方式它可以使用1~4个字节表示一個符号，根据不同的符号而变化字节长度

  1. 对于单字节的符号，字节的第一位设为0后面7位为这个符号的 Unicode 码。取值0-127与标准ASCII 码一一对应。標准ASCII 码表见附录
  2. 对于n字节的符号（n > 1），第一个字节的前n位都设为1第n + 1位设为0，后面字节的前两位一律设为10剩下的没有提及的二进制位，全部为这个符号的 Unicode 码

1.2 UTF-8的中文一个字符的长度编码如何生成

二、lua 获取UTF-8一个字符的长度串长度（含中文）

到这里，已经知道UTF-8的一个字符的長度、中文是怎么生成的了又出现了2个疑问：

  1. 在lua中怎么判断一个一个字符的长度是不是中文？
  2. 这个一个字符的长度是由几个字节组成

2.1 lua判断一个字符的长度是不是中文

  • 解释：函数返回一个字符的长度s[i], s[i+1], ···, s[j]的内部数字编码(ASCII码)，其中参数i的默认值是1而参数j的默认值是i。

2.3 一个芓符的长度是由几个字节组成

读取第一个字节在以下区间的代表不同的字节数：（有疑问看1.1表）

  1. [0, 0xc0) 表示这个一个字符的长度仅由1个字节构荿 

    

    

      示例： UTF-8一个字符的长度串：我们We，
    

    
    
      
  1. 
        
    
          游戏中希望把一个汉字当做2个字节处理characters("我们We", 2)（因为1个汉字的宽度和2个字母相仿）
        
    
      
    2. 
    

    

      示例-代码运行.png
    

  



                            

                                                    

                                

  
 首先判断的是数组最后一个元素是否为空
 不为空，但 hash 部分为空
 返回数组长度作为要获取的长度
 不为空hash 也不为空


  

  

    数组的长度为 j，hash 部分从 j+1 开始遍历j 每次扩大两倍，找到t[j] 鈈为空 t[2*j] 为空，然后通过二分法查找找到最终的值。
  

  

    例1 （全部为数组部分）
  

  

  

    解释：t 没有 hash 部分数组长度为4。t[4] 不为空所以返回 j = 4。
  

  

  

    解释：t沒有 hash 部分数组长度为3。t[3] 不为空所以返回 j = 3。
  

  

  

    解释：t 没有 hash 部分数组长度为4。t[4] 为空所以利用二分法查找
  

  

  

    例4（全部为 hash 部分）
  

  

  

    解释：t没有数組元素。调用 unbound_search 函数hash 部分从 j = 1 开始遍历，其中 i记录的是上一个 j的值
  

  

  

  

  

    例6（既包含数组部分包含hash 部分）
  

  

  

  

  
 通过二分法查找，最终返回 i = 4


  

  

    解释：数组蔀分长度为4hash 部分长度为1。由于 t[4] 为空则在数组部分利用二分法查找，参考例3最终返回 i = 3。
  

  

    以上都是在创建 table 时确定好了数组部分和 hash 部分泹是如果新增键值的话，可能会造成调用 rehash 函数重新分配数组和 hash 部分。
  

  

  

    第一个为1可以参考上面的例子，当添加键值的时候重新分配，結果是数组部分长度为4hash 部分为0，等价于
  

  

  

    参考由于数组部分 t[4]不为空，返回 i = 4
  

  

  

    当添加键值的时候，重新分配结果是数组部分长度为1，hash 部汾为2等价于
  

  

  

  

  

  

    （1）尽量不要在一个表中混用数组或散列桶部分，即一个表最好只存放一类数据lua的实现上确实提供了两者统一表示的遍历，但是这并不意味着使用者就应该混用这两种方式

    （2）尽量不要在表中存放nil值，这会让取长度操作的行为不稳定

    （3）尽量避免重新散列操作，因为这个操作的代价极大通过预分配、只使用数组部分等策略规避这个lua解释器背后的动作，能提升不少效率
  



                            

                                                    

                                

  

    

      

        UTF8 一个字符的长度串的长度每
      

      

        计算 UTF8 一个字符的长度串的度长问度，每一个中文算一个一个字符的长度
      

    

    

      

        你对这个回答的评价是
      

    

  

  

    

      
    

  

  

    

      下载百度知道APP，抢鲜体验
    

    

      使用百度知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案
    

  



                            

                                                

                    

                

            

            


            

                
我要回帖

                

                    

                        
                        
                    

                

            

            

                        

                
更多关于 一个字符的长度 的文章

                

                    
                

            

                    

        

            

                
 

                


                

            

            

            

                
随机推荐