Lua的字符串匹配與正則表達式

使用lua一段時間了，簡單總結下string庫中的幾個與正則相關的函數。這些函數是find，match, gmatch和gsub。然后是lua中支持的正則。文中的例子在lua5.3的命令行中試驗過。5.1版的需要在提示符前加一個=號或加return空格。

string.find(s, pattern[, init[, plain]])

1. 在字符串s中匹配pattern，如果匹配成功返回第一個匹配到的子串的起始索引和結束索引，如果pattern中有分組，分組匹配的內容也會接着兩個索引值之后返回。如果匹配失敗返回nil。
2. 可選數值參數init表示從s中的哪個索引位置開始匹配，缺省值是1，可以為負索引。
3. 可選布爾值參數plain為true時，pattern作為普通字符串匹配，所有正則中的元字符都只被作為普通字符解析。（這個參數並不是匹配字符串的結束索引）
   #########

   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，如果匹配失敗返回nil。否則，當pattern中沒有分組時，返回第一個匹配到的子串；當pattern中有分組時，返回第一個匹配到子串的分組，多個分組就返回多個。可選參數init表示匹配字符串的起始索引，缺省為1，可以為負索引。

> 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

可以發現，所有用到match的地方都可以用find來實現。match是find的一個簡化版

string.gmatch(s, pattern)

返回一個迭代器。每當迭代器調用時，返回下一個匹配到的子串，如果pattern中有分組，返回的是子串對應的分組。gmatch也可以用find和循環來實現。

> 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”中間的字母
n
w
n
> for k, v in string.gmatch('a=214,b=233', '(%w+)=(%w+)') do print(k, v) end
a	214
b	233

看上面第二個測試例子，處於兩個a字母中間的單個字母還有‘z’，但循環並沒有輸出。原因是在'ana'匹配成功之后，接下來匹配是從'z'開始的，z沒有被匹配到。正確的模式pattern應該不要捕獲'a(%a)a'的后面的a，用python的正則可以寫成'a(\w)(?=a)',他不會消耗掉后面的a。但是lua不支持(?=...)。（python中\w表示單詞字符[a-zA-Z0-9_]，記不清就把這類元字符列出來 如 %a寫成[a-zA-Z] 。）

string.gsub(s, pattern, repl[, n])

替換字符串函數！這個功能應該是字符串處理中實用性最強的一個。
把字符串中用模式pattern匹配到的所有子串替換為repl指代的子串，返回替換后的字符串和替換的次數。可選數值參數n表示最多可替換的次數。
參數repl可以是正則表達式，也可以是函數。當repl是函數時，函數的參數是模式pattern捕獲的子串，和match類似，有分組返回分組，無分組返回整個子串。函數最后應該返回一個字符串。如果repl是正則表達式，可以用分組序號引用匹配到的分組。

> 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中的正則表達式

正則表達式由元字符按照規則(語法)組成。lua中的特殊字符是%.^$+-*?,一共12個。它們和一般字符按規則構成了lua的正則表達式。

元字符	描述	表達式實例	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
%	轉義字符，改變后一個字符的原有意思。當后面的接的是特殊字符時，將還原特殊字符的原意。%和一些特定的字母組合構成了lua的預定義字符集。%和數字1~9組合表示之前捕獲的分組	K%wna %%na%% (a)n%1	Kana %na% ana
[...]	字符集（字符類）。匹配一個包含於集合內的字符。[...]中的特殊字符將還原其原意，但有下面幾種特殊情況 1. %]，%-，%^作為整體表示字符']'，'-'，'^' 2. 預定義字符集作為一個整體表示對應字符集 3. 當]位於序列的第一個字符時只表示字符']' 4. 形如[^...],[...-...]有特定的其他含義	[a%]na [%a]na [%%a]na []]na [%]]na [a-]na	%na wna wna ]na ]na -na
[...-...]	-表示ascii碼在它前一個字符到它后一個字符之間的所有字符	[a-z]a	na
[^...]	不在...中的字符集合。	[^0-9]na [^^0-9]na	Kna Kna
重復（數量詞）
*	表示前一個字符出現0次或多次	[0-9]* [a-z]*9*	2009 na
+	表示前一個字符出現1次或1次以上	n+[0-9]+	n2009
?	表示前一個字符出現0次或1次	n?[0-9]+	2009
預定義字符集
%s	空白符[ \r\n\t\v\f]	an[%s]?9	an 9
%p	標點符號	an[%p]9	an.9
%c	控制字符
%w	字母數字[a-zA-Z0-9]	[%w]+	Kana9
%a	字母[a-zA-Z]	[%a]*	Kana
%l	小寫字母[a-z]	-
%u	大寫字母[A-Z]	-
%d	數字[0-9]	-
%x	16進制數[0-9a-fA-F]	-
%z	ascii碼是0的字符	-
分組
(...)	表達式中用小括號包圍的子字符串為一個分組，分組從左到右（以左括號的位置），組序號從1開始遞增。	ab(%d+) (%d+)%1	ab233 123123
邊界匹配（屬於零寬斷言）
^	匹配字符串開頭	^(%a)%w*	abc123
$	匹配字符串結尾	%w*(%d)$	abc123
%b
%bxy	平衡匹配（匹配xy對）。這里的x，y可以是任何字符，即使是特殊字符也是原來的含義，匹配到的子串以x開始，以y結束，並且如果從x開始，每遇到x，計算+1，遇到y計數-1，則結束的y是第一個y使得計數等於0。就是匹配成對的符號，常見的如%b()匹配成對的括號	%b() %d+%b()	(3+4(x*2)) 2(3+4(x*2))

**備注** 1. lua不支持分組后面接重復詞（+*?），對於復雜的匹配可以用find+循環手動處理。 2. %bxy跟預定義字符集有區別，前者在[...]仍保持原意，后者則失去特殊意義 3. 上表中是lua對正則的支持，其他的正則如命名組，重復{m, n}等並不能在lua中用。注意轉義字符是%不是\

參考

1. Lua5.1參考手冊
2. python正則表達式指南(By AstralWind)
3. 正則表達式30分鍾入門教程(By deerchao)