【语法算法】Lua+字符串模式%s：空白字符匹配的本质

【语法算法】

Lua 的字符串模式里，%s 是最常被顺手写出、也最常被顺手写错的一个字符类。问题很直接：%s 到底匹配哪些字符？为什么 gsub(s, "%s", "") 能去空格，而 gsub(s, "%s+", " ") 才是真正的"压缩空白"？为什么 trim 的标准写法里非要挂一个 .- 捕获？今天把 %s 从定义、量词、定位到工程应用整条链拆开看透——它是字符类，不是字符串，更不是正则，搞清这一点，整族 %a %d %w %p 的用法就全都通了。

一、%s 匹配的是"一个"空白字符

%s 匹配单个空白字符，范围是空格、\t、\n、\r、\f、\v 六种，由 C 标准的 isspace 决定。两个要点必须先钉死：第一，它一次只匹配一个字符——"a b" 里两个连续空格要用 %s+ 才能一次吞掉，%s 配 + 量词才是"一串空白"；第二，它属于 Lua 自创的模式语法，不是正则——没有 | 分支、没有非贪婪标志以外的花式断言，量词只有 + * - ? 四个。所以"替换所有连续空白为一个空格"的正确写法是 s:gsub("%s+", " ")，而"去掉所有空白"是 s:gsub("%s+", "")——同一个模式类，配不同的替换串与量词，就是两种完全不同的业务语义。

local s = "  Lua\t is\nsmall  "
print(("%q"):format((s:gsub("%s+", " "))))           -- " Lua is small "
print(("%q"):format((s:gsub("%s", ""))))             -- "Luismall"
print(("%q"):format((s:gsub("^%s*(.-)%s*$", "%1")))) -- "Lua\t is\nsmall" 首尾 trim

二、trim 的标准写法与两个陷阱

第三行就是 Lua 圈流传最广的单行 trim：^%s* 吃掉开头的空白，.- 非贪婪地取中间内容，%s*$ 吃掉结尾的空白，用捕获 %1 只留中间。它的陷阱有两个：其一，.- 是非贪婪匹配，理论上会在"最先能让后缀成功的位置"停下，但因为尾缀挂着 %s*$，标准串能做到正确收敛——若把 .- 换成贪心的 .*，开头锚定后 .* 会一路吃到串尾再回溯，结果通常也对，但回溯开销在大文本上肉眼可见；其二，这个写法对"全空白字符串"返回空串，恰好是期望行为，但对空串本身会原样返回空串，无需特判。性能上，gsub 每个字符走一遍模式机，对热点路径（比如聊天框每帧过滤输入）建议先 s:find("^%s*$") 判断空串、s:sub(1,1) 快速短路，避免对干净字符串白跑一遍模式匹配。

flowchart LR
    A[原始字符串] --> B["^%s* 吃掉前导空白"]
    B --> C[".- 捕获正文 %1"]
    C --> D["%s* 吃掉尾部空白"]
    D --> E[返回 trim 结果]
    B -->|无前导空白| C
    D -->|无尾部空白| E
    F[全空白串] --> E2[返回空串]

三、按空白切分：gmatch 的标准姿势

%s 的第二大用途是切分。Lua 没有内建 split，按空白切词的标准姿势是 for w in s:gmatch("%S+") do——注意这里用的是 %S（大写取反，非空白），语义是"逐个吐出所有非空白连串"，天然跳过任意长度的空白序列，比先 trim 再 gsub("%s+", " ") 再解析少两趟扫描。要按"空白 + 逗号"这类复合分隔符切，就把字符类扩成 [^,%s]+——读作"连续的、既不是逗号也不是空白的字符"。切出来的词如果还要转数字，直接 tonumber(w)，对"3"、" 3"、"3\n" 都成立，因为 tonumber 自己会容忍首尾空白，不必先 trim 每个 token。

local line = "  atk=25   hp=120 mp=30 "
for kv in line:gmatch("%S+") do
    local k, v = kv:match("^(%w+)=(%d+)$")
    if k then print(k, v) end          -- atk 25 / hp 120 / mp 30
end

四、%s 一族与选择建议

把 %s 放回字符类家族看：%a 字母、%d 数字、%w 字母数字、%s 空白、%p 标点、%x 十六进制位，大写形式 %A %D %S 取反。选型的经验法则是：按语义选类，不要按字符枚举——想匹配"分隔符"就用 %s，而不是 [ \t\n\r] 一个个列；想匹配"词"就用 %w+，它天然是英文分词的第一步。反过来，%s 的两个局限要心里有数：它不匹配全角空格（U+3000）与不间断空格（U+00A0），处理中文排版输入时要显式扩集：[%s　]（方括号里直接塞全角空格）；在 5.3 之前的字节模式下它也不理解 UTF-8 多字节，逐字校验汉字输入得配 utf8 库先解码。一句话总结：%s 是"单个空白"的类，+ 给它"一串"的能力，^...$ 给它"首尾"的定位，%S 给它"反向切词"的视角——四个零件拼起来，就是 trim、压缩、切分这三大空白处理需求的全部本质。

五、实战串讲：聊天指令解析

把零件组装起来看一个真实场景：解析聊天框指令 /move 100, 200。完整链路四步，每步只用一个 %s 零件。第一步去首尾：msg:match("^%s*(.-)%s*$") 把用户多敲的前后空格清掉；第二步压缩中段：gsub("%s+", " ") 把"100, 200"里的连串空白归一成单空格，让后续按单空格切分的逻辑稳定；第三步切头：msg:match("^/(%a+)%s*(.*)$") 一口气取出指令名 move 与参数串——注意 %a+ 后面必须跟 %s* 把指令名与参数之间的空白"接住"，否则参数串会带上前导空格；第四步切参：参数串 gmatch("[^,%s]+") 按逗号或空白任意混排切出 token。这套链路对 /move 100 200、/move 100,200、/move 100, 200 全部给出相同结果——健壮性不是靠 if 分支堆出来的，而是靠每一步都把空白语义写对。反过来看一个反面教材：直接 string.split(msg, " ") 式的逐字符手写循环，遇到制表符、连串空格、全角空格就各写一个补丁，补丁摞补丁最后没人敢动——%s 一族把"空白"抽象成一个类，正是为了让这类代码一行写完且天然覆盖所有空白变体。写解析代码时先问自己一句"这里的空白按哪个语义处理"，选对零件，比事后补丁便宜得多。把 %s 的六个空白成员、四个量词组合、两个局限全部过一遍后你会发现：空白处理没有任何一种需求超出这门小模式语言的表达范围——它用最少的记号，把文本清洗里最脏的活干得干干净净。