|
汉字的正则匹配表达
为什么是 '[一-龥]' 呢？
又为什么是'[\u4e00-\u9fa5]'呢？
\u 是表示采用的unicode的编码，因为汉字“一”在unicode码表中的代码是 '4e00'，而“龥'在unicode码表中的代码是'9fa5'，所以， '[一-龥]'和'[\u4e00-\u9fa5]'是等效的。
下面罗列出完整的常用汉字码表（备注：不包含第2个平面的汉字部分，很少使用）
中国71226个汉字，分别分布在Unicode第0个平面，常用27973个，第2个平面43253个。而[\u4e00-\u9fa5]只是代表了大约20901个汉字，剩余的汉字都在第2个平面（这部分可能是生僻字，很少使用）。
4E00-9FBF：CJK 统一表意符号 (CJK Unified Ideographs) 编码表请看原帖地址： http://www./bbs/forum.php?mod=viewthread&tid=505&extra=
.......... ......... 编码表在此省略
############################################## vba字符转码分两种情况：
1、ASCII 代码 用 chr(charcode)，charcode 的正常范围为 0 – 255。
2、 Unicode 代码 用 ChrW(charcode)， 函数返回包含 的 String
备注：在Macintosh 环境中，不能使用ChrW chr 和 chrw 的参数都必须是十进制的，不能用16进制的编码直接转换
Sub b() s = H2D('9FA5') MsgBox s MsgBox VBA.ChrW(s) End Sub
' 用途：将十六进制转化为十进制 ' 输入：Hex(十六进制数) ' 输入数据类型：String ' 输出：H2D(十进制数) ' 输出数据类型：Long ' 输入的最大数为7FFFFFFF,输出的最大数为2147483647 Public Function H2D(ByVal Hex As String) As Long Dim i As Long Dim b As Long Hex = UCase(Hex) For i = 1 To Len(Hex) Select Case Mid(Hex, Len(Hex) - i 1, 1) Case '0': b = b 16 ^ (i - 1) * 0 Case '1': b = b 16 ^ (i - 1) * 1 Case '2': b = b 16 ^ (i - 1) * 2 Case '3': b = b 16 ^ (i - 1) * 3 Case '4': b = b 16 ^ (i - 1) * 4 Case '5': b = b 16 ^ (i - 1) * 5 Case '6': b = b 16 ^ (i - 1) * 6 Case '7': b = b 16 ^ (i - 1) * 7 Case '8': b = b 16 ^ (i - 1) * 8 Case '9': b = b 16 ^ (i - 1) * 9 Case 'A': b = b 16 ^ (i - 1) * 10 Case 'B': b = b 16 ^ (i - 1) * 11 Case 'C': b = b 16 ^ (i - 1) * 12 Case 'D': b = b 16 ^ (i - 1) * 13 Case 'E': b = b 16 ^ (i - 1) * 14 Case 'F': b = b 16 ^ (i - 1) * 15 End Select Next i H2D = b End Function
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
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 |
|
