LuaTeX: UTF-8-Zeichenextraktion, ist eine Methode genauer und/oder besser als eine andere

Question

Beim Experimentieren mit Möglichkeiten, UTF-8-Zeichenfolgen aus TeX-Boxen zu extrahieren, fand ich einen Beitrag des Benutzersmicahl-h21Hier:UTF-8-Textextraktion. Nachdem ich mir angesehen hatte, wie Glyphendaten in der Knotenliste gespeichert werden, habe ich den Code geändert, um zu sehen, ob ein anderer Ansatz funktioniert. Bei meinem Ansatz durchlaufe ich die Komponenten zusammengesetzter komplexer Glyphen/Discs, um die einzelnen Zeichen zu extrahieren. Bei seinem Ansatz scheint er komplexe Glyphen wie Ligaturen an eine Funktion zu übergeben, um sie zu zerlegen. Die von beiden unserer Codes gedruckte Ausgabe (für die Testzeichenfolge im Beispiel) sieht gleich aus. Kann das bitte jemand überprüfen und vorschlagen, ob beide Ansätze gleichermaßen funktional korrekt sind (ich bin mir bewusst, dass mein Code eine spezielle Behandlung von TeX-Ligaturen erfordert, bitte ignorieren Sie das). Und wenn ja, welcher wäre besser für die Leistung (ich kann unicode.utf8.charwie er in meinem Code zwischenspeichern, bitte ignorieren Sie diese Diskrepanz in allen Kommentaren zur Leistung).

Hier ist der Ausgabetext, der in das Terminal und in die Ausgabedatei hello.txt geschrieben wurde: Příliš žluťoučký kůň úpěl ďábelské ódy difference diffierence.Sein vollständiger Code befindet sich unterUTF-8-Textextraktion, der Unterschied zwischen unseren Codes besteht darin, dass ich seine folgende Funktion () nicht verwende get_unicodeund mich einfach unicode.utf8.char(glyphnodename.char)auf die Glyphenkomponenten anwende (wohingegen er diese Funktion anwendet, get_unicodeum komplexe Glyphen zu zerlegen, anstatt eine Ebene tiefer im Glyphenknoten zu graben, um die zerlegten Glyphen zu erhalten [soweit ich weiß]).

local function get_unicode(xchar,font_id)
    local current = {}
    local uchar = identifiers[font_id].characters[xchar].tounicode
    for i= 1, string.len(uchar), 4 do
      local cchar = string.sub(uchar, i, i + 3)
      print(xchar,uchar,cchar, font_id, i)
      table.insert(current,char(tonumber(cchar,16)))
    end
    return current
  end

\documentclass{article}
\usepackage[lmargin=0.5in,tmargin=0.5in,rmargin=0.5in,bmargin=0.5in]{geometry}
\usepackage{fontspec}
\usepackage{microtype}
\usepackage[english]{babel}
\usepackage{blindtext}

\begin{document}

\setbox0=\hbox{Příliš žluťoučký \textit{kůň} úpěl \hbox{ďábelské} ódy difference diffierence.}

\directlua{
  local glyph_id = node.id("glyph")
  local disc_id = node.id("disc")
  local glue_id  = node.id("glue")
  local hlist_id = node.id("hlist")
  local vlist_id = node.id("vlist")
  local minglue = tex.sp("0.2em")
  local function nodeText(n)
    local t =  {}
    for x in node.traverse(n) do
      % glyph node
      if x.id == glyph_id then
        if bit32.band(x.subtype,2) \csstring~=0 and unicode.utf8.char(x.char) \csstring~="“" and unicode.utf8.char(x.char) \csstring~="”" then %
          for g in node.traverse_id(glyph_id,x.components) do
            if bit32.band(g.subtype, 2) \csstring~=0 then
              for gc in node.traverse_id(glyph_id,g.components) do
                table.insert(t,unicode.utf8.char(gc.char))
              end
            else
              table.insert(t,unicode.utf8.char(g.char))
            end
          end
        else
          table.insert(t,unicode.utf8.char(x.char))
        end
      % disc node
      elseif x.id == disc_id then
        for g in node.traverse_id(glyph_id,x.replace) do
          if bit32.band(g.subtype, 2) \csstring~=0 then
            for gc in node.traverse_id(glyph_id,g.components) do
              table.insert(t,unicode.utf8.char(gc.char))
            end
          else
            table.insert(t,unicode.utf8.char(g.char))
          end
        end
        % glue node
      elseif x.id == glue_id and  node.getglue(x) > minglue then      
        table.insert(t," ")
      elseif x.id == hlist_id or x.id == vlist_id then
        table.insert(t,nodeText(x.head))
      end
    end
    return table.concat(t)
  end
  local n = tex.getbox(0)
  print(nodeText(n.head))
  local f = io.open("hello.txt","w")
  f:write(nodeText(n.head))
  f:close()

}

\box0

\end{document}