首先把字符串拆分成单个字符
-- 拆分出单个字符
function stringToChars(str)
-- 主要用了Unicode(UTF-8)编码的原理分隔字符串
-- 简单来说就是每个字符的第一位定义了该字符占据了多少字节
-- UTF-8的编码：它是一种变长的编码方式
-- 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。因此对于英语字母，UTF-8编码和ASCII码是相同的。
-- 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。
local list = {}
local len = string.len(str)
local i = 1
while i <= len do
local c = string.byte(str, i)
local shift = 1
if c > 0 and c <= 127 then
shift = 1
elseif (c >= 192 and c <= 223) then
shift = 2
elseif (c >= 224 and c <= 239) then
shift = 3
elseif (c >= 240 and c <= 247) then
shift = 4
end
local char = string.sub(str, i, i+shift-1)
i = i + shift
table.insert(list, char)
end
return list, len
end
判断CJK编码
function isCJKCode(char)
local len = string.len(char)
local chInt = 0
for i = 1, len do
local n = string.byte(char, i)
chInt = chInt * 256 + n
end
-- (0x2E80 -- 0x2FDF) -- CJK Radicals Supplement & Kangxi Radicals
-- (0x2FF0 -- 0x30FF) -- Ideographic Description Characters, CJK Symbols and Punctuation & Japanese
-- (0x3100 -- 0x31BF) -- Korean
-- (0x31C0 -- 0x4DFF) -- Other extensions
-- (0x4E00 -- 0x9FBF) -- CJK Unified Ideographs
-- (0xAC00 -- 0xD7AF) -- Hangul Syllables
-- (0xF900 -- 0xFAFF) -- CJK Compatibility Ideographs
-- (0xFE30 -- 0xFE4F) -- CJK Compatibility Forms
return (chInt >= 14858880 and chInt <= 14860191)
or (chInt >= 14860208 and chInt <= 14910399)
or (chInt >= 14910592 and chInt <= 14911167)
or (chInt >= 14911360 and chInt <= 14989247)
or (chInt >= 14989440 and chInt <= 15318719)
or (chInt >= 15380608 and chInt <= 15572655)
or (chInt >= 15705216 and chInt <= 15707071)
or (chInt >= 15710384 and chInt <= 15710607)
end
