zoukankan      html  css  js  c++  java
  • 正则表达式的汉字匹配

    这里是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]+$这是专门用于匹配简体中文的正则表达式, 实际上繁体字也在里面, 我用测试器测试了下'中華人民共和國', 也通过了, 当然, ^[u4E00-u9FFF]+$也是一样的结果

  • 相关阅读:
    iframe设置背景透明
    苹果新版QuickTime X启用新图标
    css命名规则
    视觉设计前瞻实用性研究(PNVD) 第二期
    Tab(选项卡)的产品设计原则及应用 [1]
    WiFi热点认证
    自画表格,微软报表,水晶报表初用初分析.
    Winform 打印类重温
    Winform 打印DataGrid View
    Winform 常用的.记住免得以后到处找.
  • 原文地址:https://www.cnblogs.com/archermeng/p/7537551.html
Copyright © 2011-2022 走看看