Lua中获取字符串长度整理

在 Lua 中&＃xff0c;获取字符串长度我们一般使用 #str&＃xff08;不建议使用 string.len(str) &＃xff09;&＃xff01;

local str &＃61; "abc"
local len &＃61; #str
print(len) -- 3
str &＃61; "你们好"
len &＃61; #str
print(len) -- 9

这里就出现了一个问题&＃xff1a;为啥字符串 abc 的长度为 3&＃xff0c;而字符串 你们好 的长度却是 9 呢&＃xff1f;难道是哪里出问题了&＃xff1f;当然不是&＃xff01;

其实这是字符编码导致的&＃xff0c;在使用 UTF-8 字符编码的情况下&＃xff0c;一个中文字符一般占 3 个字节&＃xff0c;所以 3 个中文字符自然就是 9 个字节咯&＃xff01;

那么问题来了&＃xff0c;现在我需要不管是中文字符还是其他字符&＃xff0c;长度都为 1 该咋整呢&＃xff1f;

这里记录两种方案&＃xff1a;

方案一

-- 获取字符串的长度&＃xff08;任何单个字符长度都为1&＃xff09;
function getStringLength(inputstr)
if not inputstr or type(inputstr) ~&＃61; "string" or #inputstr <&＃61; 0 then
return nil
end
local length &＃61; 0 -- 字符的个数
local i &＃61; 1
while true do
local curByte &＃61; string.byte(inputstr, i)
local byteCount &＃61; 1
if curByte > 239 then
byteCount &＃61; 4 -- 4字节字符
elseif curByte > 223 then
byteCount &＃61; 3 -- 汉字
elseif curByte > 128 then
byteCount &＃61; 2 -- 双字节字符
else
byteCount &＃61; 1 -- 单字节字符
end
-- local char &＃61; string.sub(inputstr, i, i &＃43; byteCount - 1)
-- print(char) -- 打印单个字符
i &＃61; i &＃43; byteCount
length &＃61; length &＃43; 1
if i > #inputstr then
break
end
end
return length
end
local str &＃61; "I think,故我在&＃xff01;"
local len &＃61; getStringLength(str)
print(len) -- 12

方案二

-- 计算 UTF8 字符串的长度&＃xff0c;每一个中文算一个字符
function utf8len(input)
local len &＃61; string.len(input)
local left &＃61; len
local cnt &＃61; 0
local arr &＃61; {0, 0xc0, 0xe0, 0xf0, 0xf8, 0xfc}
while left ~&＃61; 0 do
local tmp &＃61; string.byte(input, -left)
local i &＃61; #arr
while arr[i] do
if tmp >&＃61; arr[i] then
left &＃61; left - i
break
end
i &＃61; i - 1
end
cnt &＃61; cnt &＃43; 1
end
return cnt
end
local str &＃61; "I think,故我在&＃xff01;"
local len &＃61; utf8len(str)
print(len) -- 12

归根结底其实就是对 UTF-8 字符编码进行处理&＃xff01;

参考&＃xff1a;

关于字符编码的八个点

在Lua中计算含中文的字符串的长度