unicode 或 utf8 中文编码范围

最新推荐文章于 2019-04-29 10:39:07 发布
最新推荐文章于 2019-04-29 10:39:07 发布
阅读量301 收藏
点赞数
原文链接：http://www.cnblogs.com/xiao0913/p/6973107.html
版权

常被提起中文编码范围[/u4E00-/u9FA5]但随便复制了个韩文下来，或者'お'，都不行。
然后把范围扩大到^[/u2E80-/u9FFF]+$，这样倒是都通过了，应该就是匹配中日韩文字的正则表达式了，包括臺灣使用的繁體字。
而关于中文的正则表达式，应该是^[/u4E00-/u9FFF]+$，和常被提起的^[/u4E00-/u9FA5]+$很接近。
需要注意的是^[/u4E00-/u9FA5]+$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，测试了下'中華人民共和國'，也通过了，
当然, ^[/u4E00-/u9FFF]+$也是一样的结果。

emoji字符过滤用(char & 0xF8) == 0xF0)可以过滤大部分。

转载于:https://www.cnblogs.com/xiao0913/p/6973107.html

weixin_30636089
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Unicode汉字编码范围\u4E00-\u9FA5
u014431852的博客
08-26 2万+
Unicode世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，
unicode转utf8
cc猫
01-11 4196
场景: 1.有些字符串编码是unicode的，但是第3方库需要的是utf8字符串，这时候就需要unicode转utf8的接口了。 //unicodeתutf8 #include #include using namespace std; #define MAX_LENGTH 1024 int UniCharToUTF8(wchar_t UniChar, char* Out
UTF-8 中文编码范围
u011494081的专栏
09-04 3万+
网上一般给出的编码范围： UTF-8 (Unicode) - u4e00-u9fa5 (中文) - x3130-x318F (韩文) - xAC00-xD7A3 (韩文) - u0800-u4e00 (日文) 实际上发现： 除了u4e00-u9fa5 (中文)之外，还有(0x3400, 0x4DB5)也是。 GB18030在GB13000.1的20902个汉字的基础上增...
正则表达式的一些运用
Lost_the_wind的博客
11-20 480
1、手机号 //因为各个运营商开头号码不同，这里只匹配11位是比较好的方法 - (BOOL)isValidPhoneNumber { NSString *regex = @"^[0-9]{11}"; return [self isValidateByRegex:regex]; } //或者精确点，但需要根据运营商更新 - (BOOL)wl_isMobileNumberC...
匹配中文字符的正则表达式： [/u4e00-/u9fa5]
心有猛虎,细嗅蔷薇
05-12 3万+
匹配双字节字符(包括汉字在内)：[^x00-xff] 　　评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1） 　　匹配空白行的正则表达式：ns*r 　　评注：可以用来删除空白行 　　匹配HTML标记的正则表达式：]*>.*?|　　评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力 　　匹配首尾空白字符的正则表达式：^s*|s*$ 　　评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式 　　匹配Email地址的正则
常用汉字的unicode 编码
weixin_33859231的博客
11-27 1万+
为什么80%的码农都做不了架构师？>>> ...
匹配Unicode字符的正则表达式
zzljlu的专栏
11-10 7100
本篇文章转载自：http://joedanny.iteye.com/blog/156903 这里是几个主要非英文语系字符范围(google上找到的):  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
常用
FBug的专栏
09-03 1234
日期： ^(?:1(?=[7-9])|2(?=[0-4]))[/d]{3}([-///])(?:0?(?=[1-9])|1(?=[0-2]))[/d](/1)(?:0(?=[1-9])|[1-2](?=[/d])|3(?=[0-1]))[/d]$ IP： ^\s*(?:[1]|[2](?=[0-4]|[5](?=[0-5])))?[\d]{1,2}\.(?:[1]|[2](?=[0-4
ASCII unicode utf8 编码、解码的那些事
小猿成长史
01-04 475
ASCII unicode gbk utf8 编码、解码的那些事 对应编码这块一直处于一种懵懵懂懂的状态，有的时候去查了资料，当下理解了，过一段时间又遗忘了，今天又重新查阅了一番资料，记录一下所感所悟。 阮一峰老师 关于编码的总结 1.ASCII码 ASCII（American Standard Code for Information Interchange） 计算机内部所有信息都是用...
简单谈谈php中的unicode和utf8编码
01-20
重新认识unicode和utf8编码 直到今天，准确的说是刚才，我才知道UTF-8编码和Unicode编码是不一样的，是有区别的囧 他们之间是有一定的联系的，看看他们的区别： UTF-8的长度是不一定的，有可能是1、2、3字节 Unicode...
gb2312_unicode_utf8汉字编码对照表
08-31
对于中文汉字，UTF-8通常使用3个字节进行编码。 #### 五、编码对照实例分析 下面通过具体的实例来展示gb2312、Unicode与UTF-8之间的编码对照： 1. **“一一”** - gb2312编码：B6 A1 - Unicode编码：4E01 - ...
PHP如何实现Unicode和Utf-8编码相互转换
12-19
相比之下，UTF-8是一种基于Unicode的变长编码方式，它可以更有效地存储英文和其他主要使用少量字符集的语言。UTF-8编码的特点是，根据字符码点的大小，使用1至6个字节来表示一个字符。例如，ASCII字符仅需1个字节，...
Unicode编码转UTF-8编码程序
05-08
Unicode转UTF-8
Windows环境下Unicode编程总结
张云飞的专栏
08-01 1177
 UNICODE环境设置在安装Visual Studio时，在选择VC++时需要加入unicode选项，保证相关的库文件可以拷贝到system32下。UNICODE编译设置：C/C++, Preprocessor difinitions 去除_MBCS，加_UNICODE,UNICODE在ProjectSetting/link/output 中设置Entry为wWinMainCRTStar
正则表达式匹配中文时发现的问题
夜空下的凝视
04-29 2131
大家使用正则表达式匹配中文时，常用 [\u4e00-\u9fa5] ，但有时使用 [\u4e00-\u9fa5] 匹配汉字时，发现有的汉字匹配不到，如： 㸌如 㔩叶 使用Python3测试： r = '[^\u4e00-\u9fa5]' #非汉字 for i in words: word = re.sub(r, '', i) #替换掉非汉字 if len(word) == 1:...
正则表达式匹配中文摘要
flydeer2003的博客
07-09 165
^[\u2E80-\u9FFF]+$ 匹配所有东亚区的语言 ^[\u4E00-\u9FFF]+$ 匹配简体和繁体 ^[\u4E00-\u9FA5]+$ 匹配简体
关于unicode编码中的中文编码
hmxiao_1983的专栏
05-16 1012
Unicode CJK 的范围分布在多个区段中，2 楼所贴出来的是整个 Unicode 中区块 表，带有 CJK 的区块名中都拥有汉字。但最常用的范围是 U+4E00～U+9FA5，即名 为：CJK Unified Ideographs 的区块，但 U+9FA6～U+9FFF 之间的字符还属于空码， 暂时还未定义，但不能保证以后不会被定义。 下面这个是 Unicode 中 U+4E00
unicode编码[\u4e00-\u9fa5]匹配所有中文
热门推荐
aletero的专栏
11-19 6万+
"u4e00"代表什么意思 "u9fa5“代表什么意思？ 答：\u4e00-\u9fa5是用来判断是不是中文的一个条件，采用的是unicode编码 查了下中文的unicode的中文编码表 第一个“4e00” 最后一个“9fa0” 总共有20901个汉字，中国文化果然博大精深啊。 附中文编码表下载 http://download.csdn.net/detail/
开题报告达达宠物认领信息网站的设计与实现 已通过开题答辩的.docx
最新发布
07-25
宠物认领信息网站的主要目的是为寻找宠物的失主和寻找新家的宠物提供一个在线的信息交流平台。通过这个平台，失主可以发布失宠信息，寻找走失或遗弃的宠物；而救助人或组织则可以发布待领养的宠物信息，为那些无家可归的宠物寻找一个永久的归宿。 这样的网站通常会提供一个详细的宠物数据库，包括照片、品种、年龄、健康状况等信息，以便让失主能够方便地找到自己的宠物。同时，网站还会提供一些相关的服务，如失主与救助人之间的在线交流、宠物匹配推荐、领养手续办理等，以帮助双方顺利完成宠物的认领和领养过程。 宠物认领信息网站的目的在于提高失宠找到宠物的几率，减少流浪宠物的数量，并为那些无家可归的宠物提供一个温馨的新家。同时，网站还能促进社会对流浪宠物的关注和保护，提高人们的动物保护意识。
unicode2utf8
06-07
`unicode2utf8`是MATLAB中的一个函数，用于将Unicode编码的文本转换为UTF-8编码。它的语法如下： ``` utf8 = unicode2utf8(unicode) ``` 其中，`unicode`是一个包含Unicode编码的文本的字符串或字符向量。`utf8`是一个包含UTF-8编码的文本的字符串。 以下是一个使用`unicode2utf8`函数将Unicode编码的文本转换为UTF-8编码的示例： ``` % 定义一个Unicode编码的字符串 unicode_str = '这是一个Unicode编码的字符串'; % 将Unicode字符串转换为UTF-8编码 utf8_str = unicode2utf8(unicode_str); % 显示UTF-8编码的字符串 disp(utf8_str); ``` 在上面的示例中，我们将一个Unicode编码的字符串存储在变量`unicode_str`中。接下来，我们使用`unicode2utf8`函数将其转换为UTF-8编码，并将结果存储在变量`utf8_str`中。最后，我们使用`disp`函数显示UTF-8编码的字符串。 需要注意的是，如果输入的字符串包含非ASCII字符，则输出的UTF-8编码字符串中会包含多个字节。UTF-8编码中的每个字符可以由一个或多个字节表示，具体取决于字符的Unicode编码。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值