`

匹配中文汉字日文韩文等多国语言的正则表达式(转)

阅读更多

转自:http://www.javadn.com/read.php?tid-692.html

 

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

分享到:
评论

相关推荐

    正则表达式大全 - 收集的最常用正则表达式

    双字节字符通常用于表示多语言字符,如中文、日文、韩文等。 3. 匹配空白行:`ns*r` - 此正则表达式匹配包含任意数量空格、制表符或其他空白字符的行。`n`匹配换行符,`s`匹配任何空白字符,`*`表示前面的元素可以...

    100个常用正则表达式

    双字节字符通常指非ASCII字符,包括中文、日文、韩文等。这个表达式用来匹配除了ASCII字符(0x00-0xff)之外的字符。 3. 匹配空白行:`\n\s*` `\n`表示换行符,`\s*`匹配任意数量的空白字符,包括空格、制表符等...

    正则表达式调试工具_RegexDbg_GBK_and_Unicode.7z

    Unicode是一种通用编码,包含了世界上大多数语言的字符,包括繁体中文、日文、韩文等。 4. **匹配分析**:RegexDbg可以显示匹配的详细信息,如匹配的子串、捕获组以及量词的重复次数,有助于定位问题所在。 5. **...

    一般得正则表达式(包括整型 匹配非负整数、匹配正整数、匹配空行的正则表达式、 匹配双字节字符)

    双字节字符主要出现在Unicode编码中,特别是处理中文、日文、韩文等多字节字符集时。在JavaScript等语言中,可以使用正则表达式来匹配这些字符。例如: `\u0080-\uFFFF` 这个范围涵盖了基本多语种平面(BMP)内的...

    C#正则提取中文

    由于ASCII字符的范围是`\x00`到`\xff`,所以这个模式实际上匹配的是所有超出ASCII范围的字符,包括中文、日文、韩文等其他非拉丁语系的语言。 - `{1}`:确保至少匹配一个非ASCII字符。这是为了避免匹配空字符串。 - ...

    常用正则表达式(经验积累)

    根据提供的标题、描述以及部分内文,我们可以整理出一系列与正则表达式相关的知识点,这些知识点主要涵盖了在软件开发过程中常见的验证和匹配需求。 ### 常用正则表达式 #### 1. 匹配中文字符 **正则表达式**: `[\...

    常用Javascript正则表达式汇总

    2. **匹配双字节字符**:`[^\x00-\xff]` 双字节字符通常指非ASCII字符,如汉字、日文、韩文等。这个表达式用来匹配除了ASCII字符之外的所有字符,即双字节字符。你可以用它来计算字符串中非ASCII字符的数量,从而...

    Flex 正则表达式大集

    **示例**:中文字符、日文字符 --- **正则表达式**: ```regex \n[\s|]*\r //匹配换行符 ``` **解释**:这个表达式用来匹配换行符(`\n`)和回车符(`\r`),以及它们之间可能存在的空白字符。 **示例**:\n, \r,...

    asp.net常用正则表达式

    `[^\x00-\xff]` 用于匹配非ASCII的双字节字符,包括但不限于汉字、日文、韩文等。在计算字符串长度或处理多语言内容时,这个表达式可以帮助区分单字节和双字节字符。 3. **匹配空白行**: `\n\s*\r` 可以用来匹配...

    ABAP正则表达式的使用

    - **应用场景**:可用于中文或日文等多字节编码的文本处理。 ##### 2. 查找单字节字符 ```abap FIND ALL OCCURRENCES OF REGEX '[\x00-\xff]*' IN str RESULTS result_tab. ``` - **解析**:这里直接匹配ASCII码...

    匹配中文汉字的正则表达式介绍

    在中文文本处理中,正则表达式同样可以发挥重要的作用,特别是在匹配中文汉字时,我们需要使用特定的Unicode范围来确保能够准确匹配中文字符。 在介绍匹配中文汉字的正则表达式之前,需要了解一些基础知识点。...

    常用正则表达式.doc

    双字节字符通常是指那些无法用单个字节表示的字符,比如中文、日文、韩文等。该表达式的含义是匹配除了`\x00`至`\xff`之间的所有ASCII字符之外的其他字符。这在计算字符串长度时很有帮助,因为双字节字符通常占用两...

    常用正则表达式大全

    一个双字节字符(包括汉字、日文、韩文等)长度计为2,而ASCII字符计为1。 3. 匹配空白行的正则表达式:ns*r 使用这个正则表达式可以找到并处理文本中的空白行,包括换行符(n)和回车符(r)。常用于文本清理或...

    PHP一些常用的正则表达式

    #### 一、匹配中文字符的正则表达式 **表达式**: `[\u4e00-\u9fa5]` **解释**: 此表达式用于匹配所有中文字符。其中`\u4e00`表示中文的第一个Unicode编码,`\u9fa5`表示最后一个。因此,该表达式可以覆盖所有的现代...

    正则表达式汇总

    `[^x00-xff]` 这个正则表达式用来匹配所有非单字节字符,包括许多非英文的双字节字符,如汉字、日文等。 3. **匹配空白行**: `ns*r` 或 `n[s| ]*r` 这两个正则表达式分别用于匹配包含一个或多个空格、制表符的行...

    常用正则表达式收集

    这个表达式用于匹配非ASCII字符,包括大多数非英文的字符,如汉字、日文、韩文等。它可以用来计算字符串的长度,一个双字节字符计2,ASCII字符计1。 3. **匹配空白行的正则表达式**:`\n\s*\r` 这个正则表达式...

    正则表达式 模式匹配 Javascript

    `[^\x00-\xff]` 该表达式用于匹配非ASCII字符,通常表示双字节字符,例如中文、日文、韩文等。 3. **计算字符串长度**: 使用`String.prototype.len`函数,通过替换非ASCII字符为两个字母,然后计算长度,可以...

    收集到的常用正则表达式

    正则表达式是编程语言中用于模式匹配的强大工具,它能帮助我们进行数据验证、文本检索和替换等操作。以下是一些常用的正则表达式及其应用场景: 1. **匹配中文字符**:`[u4e00-u9fa5]` - 这个正则表达式用于匹配...

    常用的正则表达式

    双字节字符通常指的是非ASCII字符,包括汉字、日文、韩文等。这个正则表达式匹配任何不在ASCII范围(\x00到\xFF)内的字符。 3. 匹配空白行:`\n\s*` 这个表达式会匹配一个换行符(`\n`)后面跟随任意数量的空格...

    正则表达式示例PDA

    **评注**: 这个表达式用于匹配任何双字节字符,例如中文、日文、韩文等非ASCII字符。可以用于统计字符串中的双字节字符数量。 #### 匹配空白行 **正则表达式**: `\n\s*\r` **评注**: 可以利用此表达式来查找或...

Global site tag (gtag.js) - Google Analytics