今天開發時發現，備注輸入框中可以輸入表情符号，然而再次展示時，卻成了問号？或者直接在請求接口的時候顯示資料格式不正确！
首先，這個肯定是不行的，你如果讓使用者輸入了，并且儲存成功後，但是顯示的卻是？，這讓人怎麼了解，而且使用者的體驗肯定不好！于是，我就開始在網上百度，但是百度的結果不符合我的意思，我又請教了 –沒有開花的樹–這位大神。
其實他是有一篇文章中寫到了，由于我們是用lua腳本在頁面上對資料進行處理的，是以就直接參考了這篇文章，并且實驗結果是十分成功的。
下面附上我從沒有開花的樹 的部落格中相關的内容供大家參考！
lua5.3雖然支援utf-8，但是自帶的string庫不支援漢字的處理，而且lua的正則實作也比較雞肋，很難比對中文。是以文章讨論UTF-8字元集，中文漢字的表示方法，然後說明lua如何比對UTF-8中文漢字。
初識UTF-8
UTF-8是Unicode的一種實作，是一種變長位元組編碼方式。對于某一個字元的UTF-8編碼，如果隻有一個位元組則其最高二進制位為0；如果是多位元組，其第一個位元組從最高位開始，連續的二進制位值為1的個數決定了其編碼的位數，其餘各位元組均以10開頭。UTF-8最多可用到6個位元組。
如表：
是以，UTF-8可以用來表示字元編碼最多的有效位數是31位，即x代表的位。除掉那些标志位（如每位元組開頭的10），UTF-8表示的與Unicode編碼是對應的。
另外，Unicode相容标準的ASCII字元集，隻需要一個位元組就可以表示所有ASCII碼，ASCII碼一共規定了128個字元的編碼，是以實際隻要7位表示。而對于1位元組表示的UTF-8編碼，位元組開頭是0，是以UTF-8表示的英文數字，跟ASCII字元集表示的是一樣的。
中文UTF-8
通常都說到，漢字範圍從0x4E00到0x9FA5，這是指Unicode編碼。對于UTF-8還要做轉換。
其中，0x4E00 用二進制表示為 100111000000000
換成UTF-8碼就是 11100100 10111000 10000000，即 228, 184, 128
同理，0x9FA5為 11101001 10111110 10100101，即 233, 190, 165
可以看出，中文UTF-8編碼用3個位元組表示。
lua比對UTF-8漢字
前面分析了中文UTF-8的編碼範圍了，是以lua隻要用 string.byte(s, i) 取到字元的byte值（字元集通常記 code point）。比較第一個位元組是228-233，而且接下來兩個位元組都是 128-191，就可以簡單認定為中文了。
這裡以一個例子說明，比如我要過濾特殊字元，保留中文、英文和數字。
function filter_spec_chars(s)
local ss = {}
local k =
while true do
if k > #s then break end
local c = string.byte(s,k)
if not c then break end
if c< then
if (c>= and c<=) or (c>= and c<=) or (c>= and c<=) then
table.insert(ss, string.char(c))
end
k = k +
elseif c< then
k = k +
elseif c< then
if c>= and c<= then
local c1 = string.byte(s,k+)
local c2 = string.byte(s,k+)
if c1 and c2 then
local a1,a2,a3,a4 = ,,,
if c == then a1 =
elseif c == then a2,a4 = ,c1 ~= and or
end
if c1>=a1 and c1<=a2 and c2>=a3 and c2<=a4 then
table.insert(ss, string.char(c,c1,c2))
end
end
end
k = k +
elseif c< then
k = k +
elseif c< then
k = k +
elseif c< then
k = k +
end
end
return table.concat(ss)
end
經過我的驗證，這段代碼确實十分有效的限制住了特殊字元。希望大家遇到類似的問題可以參考下！