免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

提到用正則表達(dá)式匹配漢字，很容易搜到這個(gè)[\u4e00-\u9fa5]，但是它不算全面，不包含一些生僻漢字。

本文對(duì)此問(wèn)題做一個(gè)梳理。

以下是比較全面的漢字Unicode分布，參考Unicode 10.0標(biāo)準(zhǔn)（2017年6月發(fā)布）：

★ 如果想表示最普遍的漢字，用：

[\u4E00-\u9FFF]  或   [一-?]

共有20950個(gè)漢字，包括了常用簡(jiǎn)體字和繁體字，镕等字。

基本就是GBK的所有（21003個(gè)）漢字。也包括了BIG5的所有（13053個(gè)）繁體漢字。

一般情況下這個(gè)就夠用了。

說(shuō)明：

僅僅未包括出現(xiàn)在GBK里的CJK兼容漢字的21個(gè)漢字：郎凉秊裏隣兀嗀﨎﨏﨑﨓﨔礼﨟蘒﨡﨣﨤﨧﨨﨩

CJK兼容漢字用于轉(zhuǎn)碼處理，日常中是用不到的，所以不包括也沒(méi)什么問(wèn)題。

注意此凉非彼涼，兀也不是常用的那個(gè)，雖然用眼睛看是一樣的，參見(jiàn) http://www.zhihu.com/question/20697984

★ 如果想表示BMP之內(nèi)的漢字，也就是Unicode值<=0xFFFF之內(nèi)的所有漢字，用：

[\u4E00-\u9FFF\u3400-\u4DBF\uF900-\uFAFF]

這個(gè)包含但不限于GBK定義的漢字，共有28025個(gè)漢字。

說(shuō)明：

和上面相比，主要是多了CJK統(tǒng)一漢字?jǐn)U展A區(qū)，這是1999年收錄到Unicode 3.0標(biāo)準(zhǔn)里的6,582個(gè)漢字。

CJK統(tǒng)一漢字?jǐn)U展A區(qū)，包括了東亞各地區(qū)（陸港臺(tái)日韓新越）的漢字，有很多康熙字典的繁體字。

★ 如果想盡可能表示所有的漢字，用：

[\u4E00-\u9FFF\u3400-\u4DBF\uF900-\uFAFF\U00020000-U0002EBEF]

這個(gè)包含上表的所有88342個(gè)漢字

說(shuō)明：

1, 以上正則表達(dá)式不會(huì)匹配（英文、漢字的）標(biāo)點(diǎn)符號(hào)，不會(huì)匹配韓國(guó)拼音字、日本假名。

2, 會(huì)匹配一些日本、韓國(guó)獨(dú)有的漢字。

3, 包含了一些沒(méi)有漢字的空位置，這通常不礙事。

4, \u及\U的正則語(yǔ)法在Python 3.5上測(cè)試通過(guò)。

有些正則表達(dá)式引擎不認(rèn)\uFFFF和\UFFFFFFFF這樣的語(yǔ)法，可以換成\x{FFFF}試一下；有些不支持BMP之外的范圍，這就沒(méi)辦法處理CJK統(tǒng)一漢字?jǐn)U展B~E區(qū)了，如notepad++。