正则表达式匹配中文

转载自换联网

方法1：
正则匹配中文汉字根据页面编码不同而略有区别：
GBK/GB2312编码：[x80-xff>]+ 或 [xa1-xff]+
UTF-8编码：[x{4e00}-x{9fa5}]+/u


方法2：
在vim中，可以使用
[^\x00-\x7f]\+
来匹配所有中文。

它表示非ASCII码的集合，当然表示汉字。这是一种粗略的表示。




方法3：
1.puts /[一-龥]+/.match("this is 中文")                 =>中文

2.str2="123中文"
puts /\p{Han}+/u.match(str2)

文本编码格式：utf-8

文件第一行：#encoding:utf-8

require "rubygems"
require "iconv"
print Iconv.iconv("GBK","UTF-8",/\p{Han}+/u.match("tiantianxin你好angshang天天向上")[0])       =>你好


 


Ruby 和部分语言可以直接  #{Han} 等方式匹配特定的语言，但是对于某些语言，如 JavaScript，是不可能如此简便的


还有常用的:


/\p{Word}+/u 不限于 a-z0-9 的成词字符(就是非标点制表符空格等杂类的字符)
/\p{Hiragana,Katakana}+/u 匹配平假名＋片假名
 


适用于中韩日的正则表达式，参考：http://chrisyip.im/post/regular-expression-for-cjk/

学习参考：http://ruby-china.org/topics/5680

举例：



scan之后，存储到数组text中的汉字是unicode码：




对每个数组对象加上encode（“utf-8”）即可将汉字输出：