3
5
2023
5
2023
Linux 上的字体配置与故障排除
常见汉字字体
电脑系统要显示字，首先得有字体。现在 Linux 上常用的、在维护的开源中文字体就一套，同时被 Noto 和思源两个项目收录。Noto 系列字体是 Google 主导的，名字的含义是「没有豆腐」（no tofu），因为缺字时显示的方框或者方框被叫作「tofu」。思源系列字体是 Adobe 主导的。其中汉字部分被称为「思源黑体」和「思源宋体」，是由这两家公司共同开发的，两个字体系列的汉字部分是一样的。
Noto 字体在 Arch Linux 上位于以下软件包中：
- noto-fonts: 大部分文字的常见样式，不包含汉字
- noto-fonts-cjk: 汉字部分
- noto-fonts-emoji: 彩色的表情符号字体
- noto-fonts-extra: 提供额外的字重和宽度变种
Noto 系列字族名只支持英文，命名规则是 Noto + Sans 或 Serif + 文字名称。其中汉字部分叫 Noto Sans/Serif CJK SC/TC/HK/JP/KR，最后一个词是地区变种。
思源系列则有：
- adobe-source-sans-fonts: 无衬线字体，不含汉字。字族名叫 Source Sans 3 和 Source Sans Pro，以及带字重的变体，加上 Source Sans 3 VF
- adobe-source-serif-fonts: 衬线字体，不含汉字。字族名叫 Source Code Pro，以及带字重的变体
- adobe-source-code-pro-fonts: 等宽字体，不含汉字。字族名叫 Source Code Pro，以及带字重的变体，加上 Source Code Variable。
- adobe-source-han-{sans,serif,mono}-{cn,hk,jp,kr,tw}-fonts: 五个地区的汉字之黑体、宋体和等宽版本
- adobe-source-han-{sans,serif,mono}-otc-fonts: 所有地区合体了的汉字之黑体、宋体和等宽版本
其中等宽版本的中文字体位于 [archlinuxcn] 仓库中。
思源汉字字体的字族名有两种，「独立包装」的版本（非 OTC 版本），是「Source Han Sans/Serif」或本地化名称、空格、地区代码（CN/HK/TW/JP/KR）。比如「思源黑体 CN」、「源ノ角ゴシック JP」等。也有带字重的别名。
而全部打包的 OTC 版本，字族名是本地化名称或者英文的「Source Han Sans/Serif」空格再加上「HC/TC/HC/K」变种代码。如果没有变种代码，则是日文变种。为了区分，香港繁体的版本附带「香港」字样，比如黑体叫「思源黑體 香港」。这些字体也有不同字重的别名。另外有个半宽的版本，是在字族名的变种代码前加「HW」字样，仅有少数几个字符是半宽的。
OTC 版本有趣的地方在于，对于大多数软件来说，不管你叫它的哪个地区的名字，它都会以设定的语种来显示。比如网页声明语种为日文（<html lang=ja>），那么不管字体指定为「源ノ角ゴシック」还是「思源黑体」或者「본고딕」，它都会「门上插刀、直字拐弯、天顶加盖、船顶漏雨」。所以用这个字体的话，不妨一律写「Source Han Sans」，然后加好语种标记。我知道的唯一例外是 mpv 的 ass 字幕文件，里边指定本地化名称的话，会使用那个语种的变体显示。
早些年还没有 Noto 和思源的时候，Linux 系统上通常使用文泉驿正黑或者文泉驿微米黑。后者是基于 Android 系统上的 Droid Sans Fallback 字体，体积较小。再之前是文鼎系列字体，也就是名字「AR PL」开头、包名叫 ttf-arphic-{uming,ukai} 的那些。
字体的属性
字体有很多属性，常用的有字族（family）、倾斜（slant）、字重（weight）。后两者合一起叫样式（style）。
字族就是它的名字啦。常见的指代字体的方式除了字族之外还有 Postscript 名，它不含空格、使用短横线将样式附加在名称之后，比如「DejaVuSans-BoldOblique」。后者是 CSS @font-face 规则中使用 local 时唯一指定样式的方法（除非该字体把样式也写到了字族名里）。
倾斜就是斜不斜，英文叫「Roman」「Italic」或者「Oblique」，Italic 是专门的斜体写法（更接近手写样式）， Oblique 是把常规写法倾斜一下完事。
字重就更简单了，就是笔划的粗细。常见的有 Regular、Normal、Medium、Bold、Semibold、Black、Thin、Light、Extralight 等。
详细信息可以 man 5 fonts-conf 查询。
通用字族名
很多时候，程序并不在乎用户具体使用的是哪款字体，像很多网站的 CSS 那样把各个平台的常见字体全部列出来太傻了，又容易出问题。所以，人们发明了「通用字族名」，也就是 sans-serif (sans)、serif 和 monospace (mono) 这些。中文分别叫无衬线字体、衬线字体和等宽字体。但是中文字体不讲衬线不衬线的，而是叫「黑体」和「宋体」（有些地区叫「明体」）。黑体常用于屏幕显示的正文，而宋体常用于印刷文本的正文。
另外，中文没有斜体。英文使用斜体的场合，中文通常是使用仿宋或者楷体。中文本也没有粗体。传统上，强调的时候，中文使用着重号，也就是在字的下方或者右方加点，像这样子（如果你看到的着重号在文字上方，那是因为你用的 Chrome/Chromium 浏览器不听页面指示，执意将它作为日文处理了）。
最近有一个新加的通用字族名叫作「emoji」。Pango 渲染表情符号的文本时，会自动使用 emoji 字体。但是 Qt 尚不支持，导致有时会出问题，而将 emoji 字体排到常规字体之前的做法，又会导致数字和空格显示为全角。火狐自带了一个 SVG 格式的 emoji 字体，会自动使用。很多软件（比如 Telegram）也会使用图片来取代 emoji 字符。
CSS 4 又加了一套 ui- 开头的字族名，但是除了 Safari 没浏览器支持。fontconfig 倒是可以通过配置来支持上，但是由于火狐的一个 bug 导致 ui-sans-serif 无效。
fontconfig 配置
大部分 Linux 桌面软件都或多或少地使用 fontconfig 来获取字体配置信息。其中 Pango（GTK 使用的文字渲染库）的支持是最好的。很多简陋的图形界面库则只用来读取默认字体，可能完全不支持字体回落，造成部分文字明明有字体却显示为「豆腐」。
了解了通用字族名，我们就可以为它们指定我们喜欢的字体啦。在 ~/.config/fontconfig/fonts.conf 里为每一个通用字族名像这样写即可：
<match target="pattern">
<test qual="any" name="family">
<string>sans-serif</string>
</test>
<edit name="family" mode="prepend" binding="strong">
<string>DejaVu Sans</string>
<string>文泉驿正黑</string>
<string>Twemoji</string>
<string>Font Awesome 6 Free</string>
<string>Font Awesome 6 Brands</string>
<string>Source Han Sans</string>
</edit>
</match>
因为我并没有完全采用思源字体来显示汉字，所以我还是为不同语言和地区变种分别匹配了不同的字体。我完整的配置文件见：https://github.com/lilydjwg/dotconfig/tree/master/fontconfig。其中，web-ui-fonts.conf 文件用于提供 CSS 4 新增的字族名，而 source-han-for-noto-cjk.conf 则使用思源系列字体来代替 Noto CJK 系列字体。
查看浏览器使用的字体
排查字体问题时，一个常见的要知道的事实是，软件究竟在用什么字体来显示这些文本？想知道这个通常很难，但是对浏览器来说却很简单。所以字体匹配问题首先看浏览器能不能复现。
火狐浏览器，对着有疑问的字点右键，选择「检查」（也可以按 Q 键），然后看弹出的开发者工具右边的「字体」选项卡即可。鼠标悬停到下方灰色的字体名上时还能将使用该字体的字高亮显示。
Google Chrome 浏览器及其变种类似，对着有疑问的字点右键，选择「检查」（也可以按 N 键），然后看弹出的开发者工具右边的「计算样式」选项卡，拖动到最下面，可以看到使用的字体名以及有多少个字形。
至于这个字体是怎么选上的，可以切换到「规则」（火狐）或者「样式」（Google Chrome）选项卡来看 CSS 规则。搜索「font-family」看看具体被应用上的规则是哪一条。通常这里会写上一大排字体名。火狐会将正在使用的那个加上下划线，但是有时候不准确（比如该 HTML 元素使用了多种字体）。更好的除错方法是，从头到尾一个个删字体，删到哪一个时网页上的字体变动了，就说明在使用的是哪一个。我通过这种方式找出了好些我学生时代不懂事从 Windows 下复制过来的字体导致的问题。
Google Chrome 默认的字体比较奇怪，是「Times New Roman」、「Arial」和「Monospace」。见《Google Chrome 中的字体设置》一文。
Qt
见 https://z.sh/qtfontbugs。其中最著名的 bug 是 QTBUG-80434 (https://z.sh/434)。
小技巧
使用 gucharmap 软件可以检查所有字符使用指定的字体时的渲染效果，以及它回落到什么字体上了。找到要查看的字符，然后对着它按住右键即可。
使用 fc-match -s NAME:charset=HHHH 可以查看针对指定字符的字体优先顺序，包含这个字符的字体会优先。如果不加 -s 就是看指定的模式会匹配上的字体了。其中 HHHH 是该字符的 Unicode 码点之十六进制值。如 fc-match :charset=7684 查看默认字体下「的」字会用什么字体，而 fc-match serif:charset=7684:lang=ja 查看在语种为日文的时候，使用 serif 字族名会使用哪个字体来显示「的」字。使用 fc-list :charset=HHHH 则是查看包含该字符的所有字体。
参考资料
10
21
2016
21
2016
在 Python 里设置 stdout 的编码
有时候进程的运行环境里，locale 会被设置成只支持 ASCII 字符集的（比如 LANG=C）。这时候 Python 就会把标准输出和标准错误的编码给设置成 ascii，造成输出中文时报错。
一种解决办法是设置支持 UTF-8 的 locale，但是那需要在 Python 进程启动前设置。启动之后，初始化过了，再设置 locale 也不会重新初始化那些对象。
另一种办法是往 sys.stdout.buffer 这种地方直接写 bytes。理论上完全没问题，但是写起程序来好累……
我就去找了一下怎么优雅地弄一个新的 sys.stdout 出来。Python 3 的 I/O 不再使用 C 标准库的 I/O 函数，而是直接使用 OS 提供的接口。封装位于 io 这个模块里边，有带缓冲的，不带缓冲的，二进制的，文本的。
研究了一下文档可知，sys.stdout 是个 io.TextIOWrapper，有个 buffer 属性，里边是个 io.BufferedWriter。我们用它造一个新的 io.TextIOWrapper，指定编码为 UTF-8：
import sys
import io
def setup_io():
sys.stdout = sys.__stdout__ = io.TextIOWrapper(
sys.stdout.detach(), encoding='utf-8', line_buffering=True)
sys.stderr = sys.__stderr__ = io.TextIOWrapper(
sys.stderr.detach(), encoding='utf-8', line_buffering=True)
这里除了可以设置编码之外，也可以设置错误处理和缓冲。所以这个技巧也可以用来容忍编码错误、改变标准输出的缓冲（不需要在启动的时候加 -u 了）。
其实这样子还是不够彻底。Python 在很多地方都有用到默认编码。比如 subprocess，指定 universal_newlines=True 时 Python 会自动给标准输入、输出、错误编解码，但是呢，在 Python 3.6 之前，这里的编码是不能手动指定的。还有参数的编码，也是不能指定的（不过可以传 bytes 过去）。
所以，还是想办法去设置合适的 locale 更靠谱……
5
17
2015
17
2015
Linux 下在 Minecraft 里输入中文
Linux 下各种奇怪的地方总是会遇到输入启用不了的情况，比如 Sublime Text 就需要打补丁版。Teewords 以前能好好地使用输入法的，不知从什么时候起，启用输入法输入时，直接从键盘输入的编码和输入法提交的字符串都会被 teewords 接收并显示（teewords 版本号 0.6.3）。最近换了新本子，跑起 Minecraft 终于不那么卡了，所以也研究了一下怎么在 mc 里输入中文。
喵窝 wiki 里给出了一个脚本，是通过外部程序输入中文，然后粘贴到 mc 里来达到输入中文的效果的。然而粘贴功能在我的 mc 里是无效的。不过照着这思路，改进一下发现也能用。
首先，需要 xdotools。其次，需要一个输入文本的程序。我使用的是 zentiy，当然还有 kdialog、gdialog 之类的也可以用。最后，需要设置快捷键。
我的脚本如下：
#!/bin/bash -e chars=$(zenity --title 中文输入 --text 中文输入 --width 500 --entry 2>/dev/null) sleep 0.1 xdotool key --delay 150 Escape t sleep 0.2 xdotool type --delay 150 "$chars" xdotool key Return
原理很简单，在这个脚本被调用时，弹出一个对话框让用户输入文字。对话框关闭后，焦点应该回到 mc。发送 Escape 键「回到游戏」，然后发送「t」开启聊天。然后把文字发送过去并按回车。
很神奇，原来可以直接向它发送中文字符。不过那些延迟是需要的，不然会接收不完整。所以使用效果就是，对话框关闭之后，可以看到程序在往 mc 里一个个地输入文本并发送～
至于绑定快捷键，作为 Awesome 用户，可以做到只在 mc 的窗口绑定。定制性比较差的窗口管理器/桌面环境可能只能全局绑定了，会占用掉一个全局快捷键。
相关代码如下：
elseif c.class and c.class:match('^Minecraft ') then
local keys = c:keys()
local mykey = awful.key({'Control'}, 't', function(c)
awful.util.spawn('zhinput')
end)
keys = awful.util.table.join(keys, mykey)
c:keys(keys)
elseif c.name == '中文输入' then
awful.util.spawn_with_shell('sleep 0.05 && fcitx-remote -T', false)
顺便在弹出的对话框里把输入法切换到了中文模式～（完整的配置文件在这里）
2019年01月02日更新：Minecraft 已经可以直接输入中文了（虽然有些类似于 teeworlds / DDNet 的 bug）。
9
16
2013
16
2013
记一次 Wine 乱码
今天发现 QQWry 升级程序的一些按钮和对话框中文显示乱码，但是在全新建立的 Wine prefix 中正常。经与新 prefix 的比对，将以下注册表信息写入system.reg后即恢复正常：
[System\\CurrentControlSet\\Control\\FontAssoc\\Associated Charset] "ANSI(00)"="YES" "OEM(FF)"="YES" "SYMBOL(02)"="NO"
8
5
2013
5
2013
rst_tables 改进版
rst_tables 是一个用来创建和格式化 rst（reStructuredText）格式文档中的表格用的。此文档里的表格得画成表格的样子，囧死了……比如（网页上显示的可能没对齐，在 Vim 里应该很齐的www）：
+----------+----------+-----------------------------------------+ | 格式名称 | 使用频率 | 使用场景 | +==========+==========+=========================================+ | markdown | 非常高 | 简单的文字，如博客、简单文档 | +----------+----------+-----------------------------------------+ | rst | 较低 | 较复杂的文档，如包含表格或者描述性列表。| | | | 以及 Python 库的文档。 | +----------+----------+-----------------------------------------+
所以，作为编辑器之神的 Vim，当然会有更方便的创建这种非人道的表格的办法啦。（其实我是看到 Vimwiki 的表格挺不错的 n(≧▽≦)n
略作搜索，找到了 rst_tables。它是这样子写的（墙外视频演示）：
格式名称 使用频率 使用场景 markdown 非常高 简单的文字，如博客、简单文档 rst 较低 较复杂的文档，如包含表格或者描述性列表。以及 Python 库的文档。
每行的单元格间空两格，然后光标放在光标上，按\\c（其实是<leader><leader>c，create），就创建好啦。如果后期又修改了，按\\f（format）就可以重新格式化啦。
rst 的表格里可以写多行文字，就如前边所示那样。修改表格第一行那些减号的数量后再按\\f，可以调整栏宽。
好啦，rst_tables 本身的介绍至此结束。下面讲讲我作出的改进：
- 去除对 vim_bridges Python 库的依赖。根本没大量使用的东西，也没省下几行代码，何必用呢。
- 正确对齐和排版中文。官方版考虑了中文字符的宽度，但是用 Python 的 textwrap 来排版，造成各种混乱。我给改成用 Vim 原生排版功能排了。
- 使用 Python 3 接口，免得非 UTF-8 'encoding' 时出问题。同时使用了 Vim 7.4 新添加的 Python 接口。
- 如果没有 Python 支持，不要载入。
- 键映射局部于缓冲区。
-
放到
plugin目录下，因为那些 Python 函数定义不需要载入多次。
7
30
2013
30
2013
对比不同字体中的同一字符
有人在 openSUSE 中文论坛询问他的输入法打出的「妩媚」的「妩」字为什么显示成「女」+「元」。怀疑是字体的问题，于是空闲时用好友写的 python-fontconfig 配合 Pillow （PIL 的一个 fork）写了个脚本，使用系统上所有包含这个「妩」字的字体来显示这个字，看看到底是哪些字体有问题。
（更新后的）脚本如下：
Google Chrome / Chromium 用户请注意：如果复制得到的代码中含有不间断空格（0xa0），请手动替换下。
#!/usr/bin/env python3
# vim:fileencoding=utf-8
from PIL import Image, ImageDraw, ImageFont
import fontconfig
ch = '妩'
def get_fonts():
ret = []
for f in fontconfig.query():
f = fontconfig.FcFont(f)
if f.has_char(ch):
ret.append((f.file, f.bestname))
return ret
w, h = 800, 20000
image = Image.new('RGB', (w, h), 'white')
draw = ImageDraw.Draw(image)
pos = 0
w = 0
strs = ch
for fontfile, fontname in get_fonts():
font = ImageFont.truetype(fontfile, 24)
s = '%s: %s' % (fontname, strs)
font_width, font_height = font.getsize(s)
w = max((font_width, w))
draw.text((10, pos), s, font=font, fill='black')
pos += font_height
h = pos
image = image.crop((0, 0, w+10, h))
image.save('fonts.png')
寻找字体，然后渲染到当前目录下的fonts.png文件中。寻找字体的过程挺花时间的，要耐心等待。最后结果如下：
我这里，文泉驿微米黑、方正魏碑、某个 Droid Sans Fallback 字体中「妩」字的字形不对。（我这里有三个字体文件都叫「Droid Sans Fallback」……）>
10
7
2012
7
2012
Fcitx Lua 插件：国际音标输入
GTK 右键的输入法菜单中有一项「IPA」，用于输入国际音标的。不过为了输入几个国际音标去够鼠标点菜单太麻烦了。既然是输入，交给我最爱的 fcitx 输入法去处理就好了嘛。
GTK 的国际音标输入很简单，每一两个字符对应一个音标字符。不过，因为通常是连续输入好几个国际音标，因此简单地使用 fcitx 的「快速输入」模块的话，每输入一个得打一次前缀，太痛苦了。于是我用 fcitx 的 Lua 模块来做。
要注意的是，fcitx 的 Lua 支持默认没有开启，编译时需要在 cmake 参数中加上-DENABLE_LUA=On。Arch 用户可以从 archlinuxcn 源安装 fcitx-lilydjwg-git。其它发行版可能有单独的fcitx-lua包，也可能需要自行编译。
安装方法很简单，把ipa.lua放到~/.config/fcitx/lua目录下即可。然后按Ctrl-5（默认）重新加载 fcitx 配置即可。
使用方法是，使用预定义的快速输入快捷键（默认是;）进入「快速输入」模式后，输入命令前缀yb，然后按 GTK 那个 IPA 输入法的方式输入即可，按空格提交输入。不知道对应关系的可查看脚本源码。
[ˌðæts ˈɔːl ˈθænks].
10
7
2012
7
2012
拼音声调数字转字符
Suǒwèide 「pīnyīn shēngdiào shùzì zhuǎn zìfú」 jiùshì bǎ 「pīnyīn+shùzìdiàbiǎo de shēngdiào」 zhuǎnchén Unicode zìfú biǎoshì.
所谓的「拼音声调数字转字符」就是把「拼音+数字表示的声调」转成 Unicode 字符表示，为了是做成 fcitx 的拼音输入插件，以方便输入上段的内容。
算法是参考别人的，把所有带声调的音节后缀穷举出来再转换，简单暴力好用。我改写的 Python 3 版在 github/winterpy 上，支持大写和「ü」。
为了在 fcitx 中使用，我又改写了一 Lua 版本，代码如下：
#!/usr/bin/env lua
-- http://www.robertyu.com/wikiperdido/Pinyin%20Parser%20for%20MoinMoin
-- definitions
-- For the pinyin tone rules (which vowel?), see
-- http://www.pinyin.info/rules/where.html
local strsub = string.gsub
local _strupper = string.upper
-- map (final) constanant+tone to tone+constanant
mapConstTone2ToneConst = {
n1 = '1n',
n2 = '2n',
n3 = '3n',
n4 = '4n',
ng1 = '1ng',
ng2 = '2ng',
ng3 = '3ng',
ng4 = '4ng',
r1 = '1r',
r2 = '2r',
r3 = '3r',
r4 = '4r',
}
-- map vowel+vowel+tone to vowel+tone+vowel
mapVowelVowelTone2VowelToneVowel = {
ai1 = 'a1i',
ai2 = 'a2i',
ai3 = 'a3i',
ai4 = 'a4i',
ao1 = 'a1o',
ao2 = 'a2o',
ao3 = 'a3o',
ao4 = 'a4o',
ei1 = 'e1i',
ei2 = 'e2i',
ei3 = 'e3i',
ei4 = 'e4i',
ou1 = 'o1u',
ou2 = 'o2u',
ou3 = 'o3u',
ou4 = 'o4u',
}
-- map vowel-number combination to unicode
mapVowelTone2Unicode = {
a1 = 'ā',
a2 = 'á',
a3 = 'ǎ',
a4 = 'à',
e1 = 'ē',
e2 = 'é',
e3 = 'ě',
e4 = 'è',
i1 = 'ī',
i2 = 'í',
i3 = 'ǐ',
i4 = 'ì',
o1 = 'ō',
o2 = 'ó',
o3 = 'ǒ',
o4 = 'ò',
u1 = 'ū',
u2 = 'ú',
u3 = 'ǔ',
u4 = 'ù',
v1 = 'ǜ',
v2 = 'ǘ',
v3 = 'ǚ',
v4 = 'ǜ',
}
function strupper(c)
local specials = {
['ā'] = 'Ā',
['á'] = 'Á',
['ǎ'] = 'Ǎ',
['à'] = 'À',
['ē'] = 'Ē',
['é'] = 'É',
['ě'] = 'Ě',
['è'] = 'È',
['ī'] = 'Ī',
['í'] = 'Í',
['ǐ'] = 'Ǐ',
['ì'] = 'Ì',
['ō'] = 'Ō',
['ó'] = 'Ó',
['ǒ'] = 'Ǒ',
['ò'] = 'Ò',
['ū'] = 'Ū',
['ú'] = 'Ú',
['ǔ'] = 'Ǔ',
['ù'] = 'Ù',
['ǜ'] = 'Ǜ',
['ǘ'] = 'Ǘ',
['ǚ'] = 'Ǚ',
['ǜ'] = 'Ǜ',
}
if specials[c] then
return specials[c]
else
return _strupper(c)
end
end
function ConvertPinyinToneNumbers(lineIn)
local lineOut = lineIn
-- first transform
for x, y in pairs(mapConstTone2ToneConst) do
lineOut = strsub(strsub(lineOut, x, y), strupper(x), strupper(y))
end
-- second transform
for x, y in pairs(mapVowelVowelTone2VowelToneVowel) do
lineOut = strsub(strsub(lineOut, x, y), strupper(x), strupper(y))
end
-- third transform
for x, y in pairs(mapVowelTone2Unicode) do
lineOut = strsub(strsub(lineOut, x, y), strupper(x), strupper(y))
end
return strsub(strsub(lineOut, 'v', 'ü'), 'V', 'Ü')
end
local function main()
local lineOut
for lineIn in io.stdin:lines() do
lineOut = ConvertPinyinToneNumbers(lineIn)
print(lineOut)
end
end
main()
很可惜的是，fcitx 的 Lua 模块目前不支持屏蔽数字键选字，所以暂无法在 fcitx 中使用。
9
18
2012
18
2012
截短 UTF-8 字符串
用于显示时，经常会遇到显示的文本太长需要截短的情况。如果是如 ASCII 这样的定长编码，截短到指定长度自然不成问题。可如果源字符串是 UTF-8 编码的呢？ANSI C 里只管字节不管编码，所以如果想只用 ANSI C 提供的功能的话，就只能自己写了。因为需求仅仅是截短字符串而已，也不要求多么精确，所以没有去做编解码，只是丢弃按字节截短后的字符串最后的无效编码而已。而且目标语种是 Lua，也不方便搞位操作。
查维基百科可知，UTF-8 多字节字符第一字节的最高两位为11，而其它字节的最高两位均为10。所以就把后面那些10xxxxxx连同最开始的11xxxxxx去掉好了。这样会多截掉一个多字节字符，但无所谓了。
function truncateUTF8String(s, n)
local r = string.sub(s, 1, n)
local last = string.byte(r, n)
if not last then return r end
while last >= 128 and last <= 192 do
n = n - 1
r = string.sub(r, 1, n)
last = string.byte(r, n)
end
if last >= 128 then
r = string.sub(r, 1, n-1)
end
return r
end
2012年9月27日更新：感谢Fermat618提供的思路，更新了更简洁、准确的代码如下：
function truncateUTF8String(s, n)
local dropping = string.byte(s, n+1)
if not dropping then return s end
if dropping >= 128 and dropping < 192 then
return truncateUTF8String(s, n-1)
end
return string.sub(s, 1, n)
end
