LUA 正則表達式 - 模式匹配

 

模式匹配相關庫函數

 

按匹配查找：string.find (s，pattern [，init [，plain]])

兩個返回值，被捕獲內容的起始位置和終止位置，如未找到則返回nil。

參數s：指定字符串，參數pattern：匹配，可選參數init：初始查找位置(如果是負數將從字符串尾開始定位)，可選參數plain：無參數時按匹配查找，當參數為true時使用單純字符串進行匹配。

 

按位置捕獲：string.sub (s，i [，j])

返回以i，j定位的子串內容。

參數s：指定字符串，參數i：初始查找位置(如果是負數將從字符串尾開始定位)，可選參數j：無參數時等價j為最大值，如果j比整個字符串大則自動修正，如果j比i小則返回空字符串。

 

按匹配捕獲：string.match (s，pattern [，init])

返回按匹配捕獲的子串，如未捕獲則返回nil。如果在參數pattern中使用()進行捕獲則返回值變為捕獲到內容。

參數s：指定字符串，參數pattern：匹配，可選參數init：初始查找位置(如果是負數將從字符串尾開始定位)

 

按匹配捕獲並替換：string.gsub (s，pattern，replace [，n])

兩個返回值，成功替換后的新字符串和被替換的次數，如未找到匹配則返回s原始內容。

參數s：指定字符串，參數pattern：匹配，參數replace：替換內容(可以是表或函數)，可選參數n：替換次數，無參數則全部替換。

 

迭代器函數：string.gmatch (s，pattern)

每次迭代返回一個匹配的子串內容，該函數用於逐一遍歷字符串中所有捕獲到的匹配。

參數s：指定字符串，參數pattern：匹配

 

模式匹配預置的字符分類

 .　　-- 任意字符
%a　　-- 字母
%c　　-- 控制符，如\n
%d　　-- 數字
%g　　-- 除空格外的可打印字符
%l　　-- 小寫字母
%p　　-- 標點符號
%s　　-- 空白字符
%u　　-- 大寫字母
%w　　-- 字母和數字
%x　　-- 十六進制數字
%n　　-- 第n次被()捕獲的內容，n是一個數字，如：%1 %2 %3，而%0則意味着整個匹配而不是捕獲
%f　　-- 前置排除模式
%b　　-- 范圍匹配，使用兩個字符參數確定前后成對的區域，如：%b<> %b{} %b33 %b-+ 遵循最遠距離貪婪匹配規則

 

魔法字符（修飾符）

 %　　-- 轉義符
 +　　-- 重復一次或多次
 *　　-- 重復零次或多次（最遠距離貪婪匹配）
 -　　-- 重復零次或多次（最近距離匹配）
 ?　　-- 重復零次或一次（表示可有可無）
 ^　　-- 錨定開頭
 $　　-- 錨定結尾
[]　　-- 自定義字符分類，分類間的關系是"或"
()　　-- 捕獲，空的捕獲可以返回位置信息，如：字符串"Name"，模式"()am()"返回2，4。
  　　   使用修飾符時一定要注意上下文，如：.*很可能匹配超預期
  　　   在結尾使用"-"並沒有意義，這樣只能匹配到空字符，-后面總是要跟上一些東西來限制擴展范圍

 

當模式匹配字母大寫時表示其補集，非字母代表其本身，在模式中%需要轉義，如%%。而匹配無意義的修飾符時也需要加轉義字符%。

前置排除模式：簡單來說%f[char-set]是判斷[char-set]后面緊跟的字符是否屬於[char-set]而[char-set]之前的字符不屬於[char-set]，例如："%f[%a]abc123"對於字符串"Hi+abc123"來說，字符a屬於[%a]而前面的+不屬於[%a]即模式成立。

()捕獲與%n配合可以對[]自定義字符分類中不確定的內容在后續進行進一步的確認。

例如：

s = [[then he said: "it's all right"!]]
print (string.match (s, "(["'])(.-)%1")
-->" it's all right 輸出了兩個參數，分別是"和it's all right。
以"或'開頭，零個或多個任意字符序列，遇到第一次捕獲到的匹配為結尾，使得不確定的字符分類在最后得到了確定的匹配
類似的例子如：長字符串或長注釋[==[ ]==]中不確定的=數量

 

翻譯一些例子

"[_%a][_%w]*"　　-- [下划線或任意字母]和[零個或多個下划線或任意字母或數字]*，匹配LUA中合法的標識符

"[+-]?%d+"  　　 -- [可有可無的正號或負號]?任意數字序列+，匹配123，-21，+456

"^%d"        　　-- 任意數字開頭^，匹配整段字符串第一個字符是數字

"^[+-]?%d+$"　　 -- 開頭^[可有可無正號或負號]?任意數字序列結尾$，匹配純整型數值

"%[(=*)%[(.-)%]%1%]"　　-- 轉義[捕獲1(零個或多個等號)轉義[捕獲2(零個或多個任意字符)轉義]捕獲1的內容%1轉義]，匹配LUA長字符串樣式[==[]==]

 

替換

string.gsub的第三個參數不僅可以是字符串，還可以是函數或者表。

string.gsub配合%n替換

例如：

print (string.gsub ("Hello Lua", "(.)(.)", "%2%1"))
--> eHll ouLa    4，將相鄰的兩個任意字符換位，共替換4次

當替換參數是函數時，會在每一次找到匹配時調用這個函數，並以捕獲的內容為參數，以這個函數返回值作為替換內容。

當替換參數是表時，會把第一個捕獲內容作為鍵，去查找表中的值作為替換內容，如果不成功，則當次不做任何替換。

例如：

tb={}
tb.Hello="+"
print (string.gsub ("Hello Lua", "%a+", tb))
--> + Lua    2, 以匹配到的字符序列為鍵去獲取表tb中對應該鍵的值，如果是標准字符串則使用這個字符串替換，如果沒找到鍵或者值不是字符串類型則不做改變。
本示例匹配到了2次但只替換1次。

 

小程序練習

-- 給定一個字符串，找出字符串中所有單詞並計算重復的次數，輸出前進行排序，優先輸出重復最多的單詞
do
    local txt = [[hi hi lua aaa b c c c cc]] -- 指定字符串
    local tbl = {}

    for key in string.gmatch(txt, "%a+") do  -- 每次迭代逐個捕獲表中單詞，存入表tbl
        tbl[key] = (tbl[key] or 0) + 1       -- 作為鍵存表，其值做一次計數自增
    end
    
    local words = {}
    for k, v in pairs(tbl) do                -- 把無序表tbl的鍵作為值按順序導入表words
        words[#words + 1] = k
    end

    table.sort (words, function(v1, v2) return tbl[v1] > tbl[v2] or tbl[v1] == tbl[v2] and v1 < v2 end)
    -- 排序表words，比較tbl中相關鍵的值(重復的次數)，優先按次數最多排序，如果次數相等則按首字母順序排
    for _,v in ipairs(words) do              -- 遍歷數組輸出
        print ("單詞 "..v.." 被找到 "..tbl[v].." 次")
    end
end

--[[ 輸出結果
單詞 c 被找到 3 次
單詞 hi 被找到 2 次
單詞 aaa 被找到 1 次
單詞 b 被找到 1 次
單詞 cc 被找到 1 次
單詞 lua 被找到 1 次
--]]

 

學習輔助工具

Lua正則在線測試工具 (luatos.com)

LuatOS 在線模擬 - lua在線測試