正则表达式的汉字匹配

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

字符需⼤写，不能随意