转载自换联网
方法1: 正则匹配中文汉字根据页面编码不同而略有区别: GBK/GB2312编码:[x80-xff>]+ 或 [xa1-xff]+ UTF-8编码:[x{4e00}-x{9fa5}]+/u 方法2: 在vim中,可以使用 [^x00-x7f]+ 来匹配所有中文。 它表示非ASCII码的集合,当然表示汉字。这是一种粗略的表示。 方法3: 1.puts /[一-龥]+/.match("this is 中文") =>中文 2.str2="123中文" puts /p{Han}+/u.match(str2) 文本编码格式:utf-8 文件第一行:#encoding:utf-8 require "rubygems" require "iconv" print Iconv.iconv("GBK","UTF-8",/p{Han}+/u.match("tiantianxin你好angshang天天向上")[0]) =>你好 Ruby 和部分语言可以直接 #{Han} 等方式匹配特定的语言,但是对于某些语言,如 JavaScript,是不可能如此简便的 还有常用的: /p{Word}+/u 不限于 a-z0-9 的成词字符(就是非标点制表符空格等杂类的字符) /p{Hiragana,Katakana}+/u 匹配平假名+片假名 适用于中韩日的正则表达式,参考:http://chrisyip.im/post/regular-expression-for-cjk/ 学习参考:http://ruby-china.org/topics/5680 举例: scan之后,存储到数组text中的汉字是unicode码: 对每个数组对象加上encode(“utf-8”)即可将汉字输出: (编辑:李大同)
【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!
|