关闭

匹配Unicode字符的正则表达式

917人阅读 评论(0) 收藏 举报
几个主要非英文语系字符范围:

2e80~33ffh:中日韩符号区。收容康熙字典部首、中日韩辅助部首、注音符号、日本假名、韩文音符,中日韩的符号、标点、带圈或带括符文数字、月份,以及日本的假名组合、单位、年号、月份、日期、时间等。

3400~4dffh:中日韩认同表意文字扩充a区,总计收容6,582个中日韩汉字。

4e00~9fffh:中日韩认同表意文字区,总计收容20,902个中日韩汉字。

a000~a4ffh:彝族文字区,收容中国南方彝族文字和字根。

ac00~d7ffh:韩文拼音组合字区,收容以韩文音符拼成的文字。

f900~faffh:中日韩兼容表意文字区,总计收容302个中日韩汉字。

fb00~fffdh:文字表现形式区,收容组合拉丁文字、希伯来文、阿拉伯文、中日韩直式标点、小符号、半角符号、全角符号等。

比如需要匹配所有中日韩非符号字符,那么正则表达式应该是^[/u3400-/u9fff]+$
理论上没错, 可是我到msn.co.ko随便复制了个韩文下来, 发现根本不对, 诡异
再到msn.co.jp复制了个'お', 也不得行..

然后把范围扩大到^[/u2e80-/u9fff]+$, 这样倒是都通过了, 这个应该就是匹配中日韩文字的正则表达式了, 包括我們臺灣省還在盲目使用的繁體中文

而关于中文的正则表达式, 应该是^[/u4E00-/u9FFF]+$, 和论坛里常被人提起的^[/u4E00-/u9FA5]+$很接近

需要注意的是论坛里说的^[/u4e00-/u9fa5]+$这是专门用于匹配简体中文的正则表达式, 实际上繁体字也在里面
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:267693次
    • 积分:3457
    • 等级:
    • 排名:第9674名
    • 原创:75篇
    • 转载:53篇
    • 译文:0篇
    • 评论:36条
    最新评论