正则表达式匹配汉字—正则表达式匹配汉字怎么输入 收藏 0

如何正则匹配乱码？

曾经护网的时候，遇到过要写一个正则，匹配文本中包含乱码，当时精神状态比较紧张，没有写出来，事后感觉非常尴尬，不过现在已经释然了，趁着周末休息的时候，简单研究了一下，以防未来还会遇到同样的问题，测试样例如下，包含：中文、英文、韩文、日文、中文标点符号、英文标点符号，以及乱码。

ailx10

网络安全优秀回答者

网络安全硕士

去咨询

正则表达式[ -~]+，可以匹配所有的可打印的ASCII码字符，但是不能匹配中文、中文标点符号以及乱码。

正则表达式[^ -~]+，可以匹配所有中文、中文标点符号以及乱码，也能匹配日文、韩文。

正则表达式[\\u4e00-\\u9fa5]+，可以匹配所有的中文。

正则表达式[\\u3002\\uff1f\\uff01\\uff0c\\u3001\\uff1b\\uff1a\\u201c\\u201d\\u2018\\u2019\\uff08\\uff09\\u300a\\u300b\\u3008\\u3009\\u3010\\u3011\\u300e\\u300f\\u300c\\u300d\\ufe43\\ufe44\\u3014\\u3015\\u2026\\u2014\\uff5e\\ufe4f\\uffe5\\u00a5]+，可以匹配所有的中文标点符号。

正则表达式[\\u2E80-\\u2FDF\\u3040-\\u318F\\u31A0-\\u31BF\\u31F0-\\u31FF\\u3400-\\u4DB5\\u4E00-\\u9FFF\\uA960-\\uA97F\\uAC00-\\uD7FF]+ ，可以匹配所有的中日韩文，但是不包含标点符号。

所以，初略的构建一个匹配乱码的正则表达式如下：

[^ -~\\u2E80-\\u2FDF\\u3040-\\u318F\\u31A0-\\u31BF\\u31F0-\\u31FF\\u3400-\\u4DB5\\u4E00-\\u9FFF\\uA960-\\uA97F\\uAC00-\\uD7FF\\u3002\\u00a5\\uff1f\\uff01\\uff0c\\u3001\\uff1b\\uff1a\\u201c\\u201d\\u2018\\u2019\\uff08\\uff09\\u300a\\u300b\\u3008\\u3009\\u3010\\u3011\\u300e\\u300f\\u300c\\u300d\\ufe43\\ufe44\\u3014\\u3015\\u2026\\u2014\\uff5e\\ufe4f\\uffe5\\u00a5]+

测试如下，效果良好：

如果想要匹配乱码之后的所有文本，可以使用如下正则表达式：

如果想要匹配包含乱码的整个文本，可以使用如下正则表达式：

如果文本中不存在乱码，则测试不通过

网络安全任重道远，

发布于 2022-08-06 20:17

Excel VBA【案例】正则表达式提取中文字符/五笔字型编码文本整理

本文于2023年9月21日首发于本人同名公众号：Excel活学活用，更多文章案例请搜索关注！

内容提要

• 正则表达式提取中文字符

大家好，我是冷水泡茶，今天在EXCELHOME论坛上看到一个求助贴：如何用VBA把连续拼音字符去掉？

下了附件一看，他的数据是这样的：

经过一通分析，这应该是一个输入法的码表，前面是五笔字型编码，后面是词组，但是混合了拼音。

他现在要把拼音去掉，变成右侧五笔字型编码+词组的形式。

到底应该怎么做呢？

如果从他的提问的方向出发，“去掉”拼音，我们得设法“去掉“英文字和“|”符号，似乎不太好下手，因为前面也有拼音；如果要判断连续的英文字母是汉语拼音，好象也没有什么好办法。

其实，我们换一个角度来考虑，他“要保留什么”，问题就好解决了。即保留前面几位字母和后面的汉字，当然也并非如此简单。

我们可以采用正则表达式提取中文字符，再从前面截取几位字母，应该能达成楼主的需求，分享给大家：

基本思路：

1、把B:C列原始数据读入数组arr()。

2、循环数组，利用正则表达式提取第1列中的中文字符。

3、从数组第1列字符中截取第一个空格前的字符（原本是截取5位，4个字母+1个空格，后来发现编码有3位的）。

4、把第3、第2条所得的字符拼接起来。

5、把拼接的字符写入数组的第2列。

6、把数组回写到工作表。

VBA代码

1、在模块1里，process过程：

代码解析：

（1）Line2，容错语句，防止正则表达式匹配不到内容报错。

（2）Line3~7，定义变量，数组、工作表对象、字典对象、正则表达式对象等。

（3）line12，正则表达式的模式（pattern），匹配任意数量的中文与数字。这里原来仅仅匹配中文的，但在测试中发现，个别文本中还带有数字。

（4）line16，把原始数据装入数组arr()。

（5）line17~26，循环数组，逐个处理第一列字符，把结果存到第二列。

（A）line18，把第一列字符赋值给str1，方便后面引用。

（B）line19，进行正则表达式的匹配。

（C）line20~25，对匹配结果进行处理，把多个匹配结果连接起来，中间空一格，去掉尾部多余的空格，赋值给str2；把第一列字符第一个空格及前面的字符截取出来，并与str2相连接，存到数组第二列。

（6）line27，把数组结果回写到工作表。

2、在工作表Sheet1里，命令按钮：

代码解析：

（1）Line1~3，调用process处理过程。

（2）Line5~9，清除C列生成的内容，这主要是为了演示的需要，在process过程中也有清除内容的语句。

动画演示

总结

1、用正则表达式处理字符串，非常方便。

2、我们考虑问题的时候，如果正面处理没法下手，可以试试换一个角度看问题。

~~~~~~End~~~~~~

喜欢就点个赞、点在看、留言评论、分享一下呗！感谢支持！

本文作者及来源:Renderbus瑞云渲染农场https://www.renderbus.com