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]])

1. 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。

2. 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。

3. 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。