作者worldxxi (風)
看板RegExp
標題[問題] 請問 unicode or utf-8 區分繁簡中文
時間Fri Apr 16 11:52:01 2010
我查了一下中文字的範圍(\u4e00-\u9a05),
如果要區分出日文(\u0800-\u4e00)比較容易,因為範圍有錯開,
但是要分出繁體中文還是簡體中文就沒辦法,我用word的符號表看,
是交錯在一起的,最後我用的方法是:把要檢查的字串轉成big-5,轉不出來的
就含有不是繁體中文的字,然後再去處理,可是感覺很鳥,有人知道比較
好一點作法嗎? 弄不出來我感覺自己好弱 Q_Q
---------------------------------------------------------------------------
另外有個小疑問,我在網路上找到一個正規表示式的網站,如下:
http://www.rubular.com/
為什麼我用[\u4e00-\u9a05]去跑,反而是英文會通過,中文被濾掉了
[\u4e00-\u9a05]的意思不是說 如果有在這個字碼範圍的字出現就會match嗎?
一直google不到,有人知道嗎。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.96.120.223
推 AlanSung:不是 9fa5 嗎? 不過網頁的 encoding 也許會有影響吧 04/16 13:24
→ worldxxi:好兩個都有人在用,比較大的範圍好像有一些擴增的字 04/16 13:33
推 AlanSung:直接用你的程式跑看看吧,應該是沒錯啦,只是繁簡..不會 04/16 14:19
推 buganini:為啥要判斷繁簡啊? 有些簡繁共用的要當作什麼? 04/18 01:34
→ worldxxi:簡單來說就是把不在繁體中文內的文字過濾掉 04/19 09:32