汉字正则表达式

^[\u2E80-\u9FFF]+$   
  匹配所有东亚区的语言   
  ^[\u4E00-\u9FFF]+$   
  匹配简体和繁体   
  ^[\u4E00-\u9FA5]+$   
  匹配简体

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

相关推荐