正则表达式区配中文及日韩文字的方法分享

发布时间:2020-05-13编辑:脚本学堂
本文介绍下,可用于中文、日文、韩文等其它文字的正则表达式写法。有需要的朋友参考下吧。

以下几个正则表达式,为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,正则表达式这样写:^[u3400-u9FFF]+$。理论上没错, 可是我到msn.co.ko随便复制了个韩文下来,则根本不对的。
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

注意:^[u4E00-u9FA5]+$ 这是专门用于匹配简体中文的正则表达式,实际上繁体字也可以,测试'中華人民共和國', 也通过了。
而且,^[u4E00-u9FFF]+$ 输出结果也是一样的。