在正则表达式中匹配汉字

在正则表达式中，匹配汉字主要有以下几种方式：

1. Unicode 范围匹配（最常用）

regex 复制代码

[\u4e00-\u9fa5]

这个范围涵盖了大部分常用汉字，是最常用的匹配方式。

2. 不同编码范围的汉字匹配

regex 复制代码

# 基本汉字（常用）
[\u4e00-\u9fff]

# 扩展汉字范围（包括生僻字）
[\u4e00-\u9fff\u3400-\u4dbf\uf900-\ufaff]

# 更完整的汉字范围
[\u4e00-\u9fff\u3400-\u4dbf\uf900-\ufaff\u2e80-\u2eff\u3000-\u303f\uff00-\uffef]

3. 实际应用示例

javascript 复制代码

// JavaScript 示例
const chineseRegex = /[\u4e00-\u9fa5]/g;
const text = "Hello 世界！Hello World！";
const chineseChars = text.match(chineseRegex);
console.log(chineseChars); // ["世", "界"]

// 匹配连续汉字
const chineseWordsRegex = /[\u4e00-\u9fa5]+/g;
const chineseWords = text.match(chineseWordsRegex);
console.log(chineseWords); // ["世界"]

python 复制代码

# Python 示例
import re

text = "Hello 世界！Hello World！"
chinese_regex = r'[\u4e00-\u9fa5]'
chinese_chars = re.findall(chinese_regex, text)
print(chinese_chars)  # ['世', '界']

# 匹配连续汉字
chinese_words_regex = r'[\u4e00-\u9fa5]+'
chinese_words = re.findall(chinese_words_regex, text)
print(chinese_words)  # ['世界']

4. 常用匹配模式

regex 复制代码

# 匹配纯汉字字符串
^[\u4e00-\u9fa5]+$

# 匹配汉字开头
^[\u4e00-\u9fa5]

# 匹配汉字结尾
[\u4e00-\u9fa5]$

# 匹配2-4个汉字
^[\u4e00-\u9fa5]{2,4}$

# 匹配汉字、字母、数字混合
^[\u4e00-\u9fa5a-zA-Z0-9]+$

5. 各语言中的注意事项

5.1 JavaScript

JavaScript 复制代码

// 需要添加 u 标志来正确处理 Unicode
const regex = /[\u4e00-\u9fa5]/gu;

5.2 Python

Python 复制代码

# Python 3 默认支持 Unicode，直接使用即可
import re
pattern = re.compile(r'[\u4e00-\u9fa5]')

5.3 Java

java 复制代码

// Java 中使用双反斜杠
String regex = "[\\u4e00-\\u9fa5]";
Pattern pattern = Pattern.compile(regex);

6. 实际应用场景

javascript 复制代码

// 验证中文姓名（2-4个汉字）
const nameRegex = /^[\u4e00-\u9fa5]{2,4}$/;
console.log(nameRegex.test("张三")); // true
console.log(nameRegex.test("张三丰")); // true
console.log(nameRegex.test("John")); // false

// 提取文本中的所有中文
const text = "Hello 世界，这是一段包含中文的文本。Hello World!";
const chineseRegex = /[\u4e00-\u9fa5]+/g;
const result = text.match(chineseRegex);
console.log(result); // ["世界", "这是一段包含中文的文本"]

这些正则表达式可以满足大部分汉字匹配的需求，根据具体的使用场景选择合适的范围即可。