正则如何匹配汉字？

starmars · 发表于 2021-2-18 21:47:01

最近OCR了一个词组词典，获得一个全书索引，每行如下：

add up加起来;说得通

左边是词组，右边是中文释义，现在想将中文释义换行从头输出，所以需要匹配第一个汉字前面加\r\n换行符号。

网上查了匹配中文字符的正则表达式： [u4e00-u9fa5]
但在NOTEPAD ++ 和 EMEDITOR里试了都么有用，它们都是中文字符英文字母一块匹配上了。

有高手指点一下？谢谢！

Mandolin · 发表于 2021-2-18 22:36:52

本帖最后由 Mandolin 于 2021-2-18 22:39 编辑

EmEditor 里查找：

([a-z])( *)([\x{4e00}-\x{9fa5}])

复制代码

替换为：

\1\n\3

复制代码

mikeee · 发表于 2021-2-18 23:35:48

本帖最后由 mikeee 于 2021-2-18 23:39 编辑

notepad++里
搜

([^一-龥]+)([一-龥].*)

复制代码

替代

\1\n\2

复制代码

[一-龙]（对应[\u4e00-\u9f99]）或[一-龟]（对应[\u4e00-\u9f9f]）或[一-龥]（对应[\u4e00-\u9fa5]）都可以，\u9f9a-\u9fa5（除了龟\u9f9f）都是些不常用字。

starmars · 发表于 2021-2-18 23:49:34

Mandolin 发表于 2021-2-18 22:36
EmEditor 里查找：

替换为：

有用！感谢大师！

oversky · 发表于 2021-2-19 20:08:28

请问有没有日文五十音+日文汉字的？

wnsfzf · 发表于 2021-2-21 19:50:30

Mandolin 发表于 2021-2-18 22:36
EmEditor 里查找：

替换为：

借楼请教一个问题：EmEditor里如何匹配包含换行符的任意字符？
用“.*？”，然后勾选了“高级”选项卡的“正则表达式“.”可匹配换行符”也没用。

Mandolin · 发表于 2021-2-22 07:19:18

“.”不包括换行的，匹配换行：

.+\n.+

复制代码

starmars · 发表于 2021-2-22 16:29:00

本帖最后由 starmars 于 2021-2-22 16:30 编辑

wnsfzf 发表于 2021-2-21 19:50
借楼请教一个问题：EmEditor里如何匹配包含换行符的任意字符？
用“.*？”，然后勾选了“高级”选项卡的 ...

匹配包括回车换行符和空字符在内的任意字符有三种方法：
[\s\S]*
[\d\D]*
[\w\W]*

wnsfzf · 发表于 2021-2-22 16:32:20

Mandolin 发表于 2021-2-22 07:19
“.”不包括换行的，匹配换行：

非常感谢！那如果包含1 个以上换行符咋办呢？

wnsfzf · 发表于 2021-2-22 16:55:12

starmars 发表于 2021-2-22 16:29
匹配包括回车换行符和空字符在内的任意字符有三种方法：
[\s\S]*
[\d\D]*

这个也试过了，在EmEditor中没有包含换行。

starmars · 发表于 2021-2-22 22:29:09

wnsfzf 发表于 2021-2-22 16:55
这个也试过了，在EmEditor中没有包含换行。

正则表达式只是一种规范，真正实现它可以有各种版本, 而这些版本可能有细微的差别。

就象每种编程语言的正则表达式的API类库对正则表达式的解读不100%相同一样，编辑器也有细微区别。比如，我刚刚发现NOTEPAD++在分组定义上是没有默认用\0分组表示字符串本身的，你必须加括号将原字符串括起来然后用\1分组来引用；而EmEditor则遵从标准的\0约定。

[\s\S]，[\d\D]，[\w\W] 可表示任何字符这是最标准的写法，但也许EmEditor就不认为它们可以表示回车换行，或者干脆它可能就是该编辑器的一个BUG也有可能。

我比较熟悉C#,它的正则API库很多函数可以指定一个参数RegexOptions 枚举作为选项来细化正则处理的要求，见：
https://docs.microsoft.com/zh-cn ... ptions?view=net-5.0

虽然大家不一定会C#，但是这个网页上的信息很有价值，不同语言正则库和编辑器在正则表达式实现上的区别，往往就体现在这些细节上。有时这些林林总总的具体实现并不象C#这样给你选择，而是固化了某种实现细节而不容程序员设置更改，你除了观察它的规律适应它别无选择。

mikeee · 发表于 2021-2-22 22:59:40

本帖最后由 mikeee 于 2021-2-22 23:02 编辑

其实还有一个匹配换行符的方法

(?s).

复制代码

所谓的single line选项。和notepad++的选项 ". matches newline" 一个意思。

例如

(?s).+

复制代码

匹配全部行

notepad++支持，不过emeditor不支持，emeditor的正则貌似不太规则，编辑大文件很不错，可能只有vim可以抗衡，vim用的正则貌似更不规则

wnsfzf · 发表于 2021-2-23 09:03:40

starmars 发表于 2021-2-22 22:29
正则表达式只是一种规范，真正实现它可以有各种版本, 而这些版本可能有细微的差别。

就象每种编程语言的 ...

看来这是一个很专业的问题，我只是平时办公偶尔用到，就不再深入了，感谢你的耐心解答，感谢！

wnsfzf · 发表于 2021-2-23 09:08:11

mikeee 发表于 2021-2-22 22:59
其实还有一个匹配换行符的方法

是的，emeditor打开大文件速度很快，但就是正则不太会用，感谢！

[求助] 正则如何匹配汉字？

评分

评分

评分

评分