正则匹配中日韩等文表达式

这里是几个主要非英文语系字符范围:

2e80~33ff: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。

3400~4dff: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。

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

a000~a4ff:彝族文字区,收容中国南方彝族文字和字根。

ac00~d7ff:韩文拼音组合字区,收容以韩文音符拼成的文字。

f900~faff:中日韩兼容表意文字区,总计收容302个中日韩汉字。

fb00~fffd: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

版权声明:
作者:Kiyo
链接:https://www.wkiyo.cn/html/2008-01/i536.html
来源:Kiyo's space
文章版权归作者所有,未经允许请勿转载。

THE END
分享
二维码
< <上一篇
下一篇>>