如何用正则表达式判断文本中包含有汉字？
就是给一段文字，然后用正则表达式判断这段文字中是否包含有汉字，搜索了不少，都没有找到合适的，希望有人能支招。目前搜到的几种方法：1）# [\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
AutoIt里好像不支持\u这种方法，再说也匹配不成功啊。
2） [^\x00-\xff]+问题是所有双字节的东亚文字都算作汉字了，比如日语、韩语等。还有，空格也算了
希望有简体、繁体的判断方法。 嘿嘿,CJK汉字的Unicode编码有基本集、扩展A集、扩展B集、扩展C集……
并非楼主所说# [\u4E00-\u9FA5]+$ 匹配简体这么简单.
AU3正则也许并不支持\u,仅仅是也许.因为我没有找到并不代表没有这个参数.
#include <array.au3>
Local $str = "阿中A華华b人-民c臺灣共E0和位で表現する文字符号化形式及び文字符号化スキーム。ASCIIに9r国90會館ねちちせのひノセタツヒヌニック"
$abc=_regexp($str,0)
msgbox(0,'单字节',$abc)
$abc=_regexp($str,1)
msgbox(0,'简体中文',$abc)
$abc=_regexp($str,2)
msgbox(0,'非简体双字节字符',$abc)
Func _regexp($input,$flag=1);flag,0='单字节字符',1='简体中文',2='其它双字节字符'
local $single,$due,$other
If StringRegExp($input, '[^\x00-\xff]+', 0) Then
$temp = StringSplit($input, '')
For $i = 1 To $temp
If BinaryLen(StringToBinary($temp[$i])) = 2 Then
$high = BinaryMid(StringToBinary($temp[$i]), 1, 1)
$low = BinaryMid(StringToBinary($temp[$i]), 2, 1)
If $high >= 0xb0 And $high <= 0xf7 And $low >= 0xa1 And $low <= 0xfe Then
$due&=$temp[$i]
Else
$other&=$temp[$i]
EndIf
Elseif BinaryLen(StringToBinary($temp[$i])) =1 Then
$single&=$temp[$i]
EndIf
Next
select
case $flag=0
return $single
case $flag=1
return $due
case $flag=2
return $other
EndSelect
EndIf
EndFunc ;==>_regexp
回复 2# 3mile
楼上的代码很好，多谢。
不过你的代码也有一些问题，比如：如果字符串里包含中文符号呢？比如"【。；‘，。、】"。这些字符和非简体中文字符一样啊。
我现在需要判断一个字符串是否是否是【简体中文和各种中文字符】，如果字符串中包含日文、韩文等东亚字符，那这个字符串就不合格，楼上的能帮帮我妈？ 回复 3# 只为关注
GB2312收录简化汉字及符号、字母、日文假名等共7445个图形字符，其中汉字占6763个。
GB2312 将代码表分为94个区，对应第一字节；每个区94个位，对应第二字节，两个字节的值分别为区号值和位号值加32（2OH）,因此也称为区位码。01-09 区为符号、数字区，16-87区为汉字区，10-15区、88-94区是有待进一步标准化的空白区。GB2312将收录的汉字分成两级：第一级是常用汉字计3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。
如果要包括符号的话判断会复杂很多，给个简单的办法，将符号全部收录进行判断，但符号中包含了日文假名、俄文字母等双字节字符。
#include <array.au3>
Local $str = "阿中A華华b人-民c臺灣共E0和位で表。，、；：？！…—·ˉˇ¨‘’“”々～‖∶＂＇｀｜〃〔〕〈〉《》「」『』．〖〗【】（）［］｛｝【。；‘，。、】現する文字符号化形式及び文字符号化スキーム。ASCIIに9r国90會館ねちちせのひノセタツヒヌニック"
$abc=_regexp($str,0)
msgbox(0,'单字节',$abc)
$abc=_regexp($str,1)
msgbox(0,'简体中文',$abc)
$abc=_regexp($str,2)
msgbox(0,'非简体双字节字符',$abc)
Func _regexp($input,$flag=1);flag,0='单字节字符',1='简体中文',2='其它双字节字符'
local $single,$due,$other
If StringRegExp($input, '[^\x00-\xff]+', 0) Then
$temp = StringSplit($input, '')
For $i = 1 To $temp
If BinaryLen(StringToBinary($temp[$i])) = 2 Then
$high = BinaryMid(StringToBinary($temp[$i]), 1, 1)
$low = BinaryMid(StringToBinary($temp[$i]), 2, 1)
If ($high >= 0xa1 And $high <= 0xf7 And $low >= 0xa1 And $low <= 0xfe) Then ;_
;~ Or ($high>=0xa1 And $high<0xa3 And $low>=0xa1 And $low<=0xfe) Then
$due&=$temp[$i]
Else
$other&=$temp[$i]
EndIf
Elseif BinaryLen(StringToBinary($temp[$i])) =1 Then
$single&=$temp[$i]
EndIf
Next
select
case $flag=0
return $single
case $flag=1
return $due
case $flag=2
return $other
EndSelect
EndIf
EndFunc ;==>_regexp
回复 4# 3mile
可以在字符串后面加上点韩文做测试：&BinaryToString("0xD55CAD6DC758",3)
不过这样问题更大啊：
简体中文里包含了日文啊。
非简体双字节字符里倒是只剩下繁体字了。 回复 4# 3mile
另外，不能一直用正则来判断吗？用每个字符串判断的方式，数据量小到罢了，像我要复查整个数据库，有几十万条字符串，再拆分成单个字判断，速度太太慢了 [\u4e00-\u9fa5] 可以这样表示 [一-龥]
页:
[1]