|
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!
|
