Finished 'scripts/lua/pattern_matching.md'.

scripts/lua/tricks.lua

@@ -18,3 +18,20 @@ function nocase (s)
 end
 
 print(nocase("Hi there!"))
+
+
+function code (s)
+    return (string.gsub(s, "\\(.)", function (x)
+        return string.format("\\%03d", string.byte(x))
+    end))
+end
+
+function decode (s)
+    return (string.gsub(s, "\\(%d%d%d)", function (d)
+        return "\\" .. string.char(tonumber(d))
+    end))
+end
+
+s = [[follows a typical string: "This is \"greate\"!"]]
+
+print(decode(string.gsub(code(s), '".-"', string.upper)))

src/lua_tut/pattern_matching.md

@@ -673,4 +673,102 @@ s1 = string.gsub(s1, "(%W)", "%%%1")
 s2 = string.gsub(s2, "%%", "%%%%")
 ```
 
+在检索字符串中，我们转义了所有非字母数字字符（因此是大写的 `W`）。而在替换字符串中，我们只转义了百分号。
 
+另一种有用的模式匹配技巧，是在真正工作之前，对主题字符串加以预处理。假设我们打算将文本中所有带引号的字符串，都改为大写，其中引号字符串以双引号（`"`）开始和结束，但也可能包含转义的引号（`"\""`）：
+
+
+```text
+follows a typical string: "This is \"great\"!"
+```
+
+处理这种情况的一种方法，便是对文本加以预处理，将有问题的序列，编码为其他序列。例如，我们可以把 `"\""` 编码为 `"\1"`。但是，如果原文中已经包含了一个 `"\1"`，我们就有麻烦了。要进行编码并避免这个问题，一个简单的方法，是将所有 `"\x"` 序列，编码为 `"\ddd"`，其中 `ddd` 是字符 `x` 的十进制表示法：
+
+
+```lua
+function code (s)
+    return (string.gsub(s, "\\(.)", function (x)
+        return string.format("\\%03d", string.byte(x))
+    end))
+end
+```
+
+现在，编码字符串中的任何序列 `"\ddd"`，都必定来自编码，因为原始字符串中的任何 `"\ddd"`，也已经被编码了。因此，解码就是一件很容易的事：
+
+
+```lua
+function decode (s)
+    return (string.gsub(s, "\\(%d%d%d)", function (d)
+        return "\\" .. string.char(tonumber(d))
+    end))
+end
+```
+
+现在我们就可以完成任务了。由于编码字符串不再包含任何转义了引号（`"\""`），我们只需使用 `'".-"'`，即可检索到带引号的字符串：
+
+
+```lua
+s = [[follows a typical string: "This is \"greate\"!"]]
+
+s = code(s)
+s = string.gsub(s, '".-"', string.upper)
+s = decode(s)
+print(s)    --> follows a typical string: "THIS IS \"GREATE\"!"
+```
+
+我们也可以这样写：
+
+```lua
+print(decode(string.gsub(code(s), '".-"', string.upper)))
+```
+
+模式匹配函数对 UTF-8 字符串的适用性取决于模式。由于 UTF-8 任何字符的编码，都不会出现在任何其他字符的编码中这一关键特性，因此字面模式的运行不会出现问题。字符类和字符集，character classes and character sets，只适用于 ASCII 字符。例如，`"%s"` 模式会工作于 UTF-8 字符串，但他只会匹配 ASCII 空格，而不会匹配额外的 Unicode 空格，如非断开空格，a non-break space（`U+00A0`）或蒙古语的元音分隔符（`U+180E`）。
+
+明智的模式，judicious patterns，可以为 Unicode 处理，带来一些额外功能。一个很好的例子，便是预定义模式 `utf8.charpattern`，他可以精确匹配一个 UTF-8 字符。`utf8` 库将此模式定义如下：
+
+
+```lua
+utf8.charpattern = [\0-\x7F\xC2-\xF4][\x80-\xBF]*
+```
+
+其中的第一部分，是一个匹配 ASCII 字符（范围 `[0, 0x7F]`），或多字节序列初始字节（范围 `[0xC2, 0xF4]`）的类。第二部分会匹配零或多个后续字节（范围 `[0x80，0xBF]`）。
+
+
+## 练习
+
+练习 10.1：请编写一个函数，他会取一个字符串，和一个分隔符模式，并返回其中包含由分隔符分隔出的、原始字符串中块的表：
+
+
+```lua
+t = split("a whole new world", " ")
+-- t = {"a", "whole", "new", "world"}
+```
+
+练习 10.2：模式 `"%D"` 和 `"[^%d]"` 是等价的。那么模式 `"[^%d%u]"` 和 `"[%D%U]"` 呢？
+
+
+练习 10.3：请编写一个函数 `transliterate`。该函数要取一个字符串，并根据作为第二个参数所给到的表，将字符串中的每个字符，都替换为另一个字符。如果表将 `"a"` 映射为 `"b"`，函数应将出现的任何 `"a"`，都替换为 `"b"`；如果表将 `"a"` 映射为 `false`，函数应从结果字符串中，删除出现的 `"a"`。
+
+
+练习 10.4： 在 [“捕获物”](#捕获物) 小节的结尾，我们定义了一个 `trim` 函数。由于使用了回溯，backtracking，因此对于某些字符串，该函数可能需要花费次方的时间，`O(n^2)`（例如，在我的新机器上，匹配一个 100 KB 的字符串，可能需要 52 秒。）
+
+- 请创建一个会触发函数 `trim` 中，这种次方行为的字符串；
+
+- 请重写该函数，使其始终以线性时间运行。
+
+
+练习 10.5：请写一个函数，将二进制字符串，格式化为 Lua 中的字面形式，所有字节都使用转义序列 `\x`：
+
+
+```lua
+print(escape("\0\1hello\200"))
+    --> \x00\x01\x68\x65\x6C\x6C\x6F\xC8
+```
+
+作为改进版，还要使用转义序列 `\z`，来中断长的行。
+
+
+练习 10.6：请为 UTF-8 字符，重写函数 `transliterate`。
+
+
+练习 10.7：请编写一个反转 UTF-8 字符串的函数。