常见中文正则表达式匹配结果比较

rain_little

刚开始用perl，要解决匹配汉字的问题，在网上搜到一些正则表达式，一时有搞不清区别到底在哪？就写这么个小程序测试了一下，结果让我很惊讶！很多高手不都说[\u4e00-\u9fa5]匹配汉字吗？可是结果恰好相反，我也不知道是那里用错了，还请大家指点！
还有，哪位知道中文的标点怎么匹配？先谢了！
#! usr/bin/perl
use UTF8;
@pattern = ('[\u4e00-\u9fff]','[^\u4e00-\u9fff]','[chr(0xa1)-chr(0xff)]','[^chr(0xa1)-chr(0xff)]','[\x80-\xff][\x80-

\xff]','[^\x80-\xff][^\x80-\xff]','[\x80-\xff]','[^\x80-\xff]','[\u4e00-\u9fa5\uf900-\ufa2d]','[^\u4e00-\u9fa5\uf900-

\ufa2d]','[\u4e00-\u9fa5]','[^\u4e00-\u9fa5]','[\x00-\xff]','[^\x00-\xff]');

$d = '我亲爱的2只Ｍａｏmi,你知道吗？我在想你们^-^';
#ｍａｏ是全角下输入的，？也是在中文状态下输入的，其他标点是英文状态下的
foreach $p (@pattern)
{@result = ($d =~ /($p+)/isg);
print "模式$p匹配结果为：@result\n";
}

我把匹配结果分了下类：
模式[\u4e00-\u9fff]匹配结果为：2 mi ^ ^
模式[^\u4e00-\u9fff]匹配结果为：我亲爱的 只Ｍａｏ ,你知道吗？我在想你们 -
模式[\u4e00-\u9fa5]匹配结果为：2 mi ^ ^
模式[^\u4e00-\u9fa5]匹配结果为：我亲爱的 只Ｍａｏ ,你知道吗？我在想你们 –
模式[\u4e00-\u9fa5\uf900-\ufa2d]匹配结果为：2 mi ^ ^
模式[^\u4e00-\u9fa5\uf900-\ufa2d]匹配结果为：我亲爱的 只Ｍａｏ ,你知道吗？我在想你们 -

模式[chr(0xa1)-chr(0xff)]匹配结果为：2 mi, ^-^
模式[^chr(0xa1)-chr(0xff)]匹配结果为：我亲爱的 只Ｍａｏ 你知道吗？我在想你们
模式[\x80-\xff]匹配结果为：我亲爱的 只Ｍａｏ 你知道吗？我在想你们
模式[^\x80-\xff]匹配结果为：2 mi, ^-^

模式[\x00-\xff]匹配结果为：我亲爱的2只Ｍａｏmi,你知道吗？我在想你们^-^
模式[^\x00-\xff]匹配结果为：

模式[\x80-\xff][\x80-\xff]匹配结果为：我亲爱的 只Ｍａｏ 你知道吗？我在想你们
模式[^\x80-\xff][^\x80-\xff]匹配结果为：mi, ^-^

rain_little

续：

1、以下属于UTF-8 (Unicode)编码范畴
\u4e00-\u9fa5 (中文)
\x3130-\x318F (韩文
\xAC00-\xD7A3 (韩文)
\u0800-\u4e00 (日文)

2、以下属于GBK (GB2312/GB18030)范畴
x00-\xff
GBK双字节编码范围
\x20-\x7f
ASCII
\xa1-\xff
中文
\x80-\xff
中文

以上的结果可不可以这样分析：




因为我输入的$d是GBK编码，所以，在用
[\x80-\xff]，\x00-\xff]和
[\x80-\xff][\x80-\xff]时得到了想要的结果（中文），但
[chr(0xa1)-chr(0xff)]的结果又怎么解释呢？

而用
[\u4e00-\u9fff]，
[\u4e00-\u9fa5]和
[\u4e00-\u9fa5\uf900-\ufa2d]反而不能匹配中文，但又为什么匹配了英文、数字和特殊字符 "^" 呢？


搞不懂了！哪位明白，给理理思路吧！

zhasm

分类匹配汉字，不错，有启发。其实如果找到统一的那张大表，知道每个汉字在上面的对应坐标，就方便多了。但是情况好像是每种标准都有一张不同的表格、坐标。

chenzq1604

不太清楚，我只知道以前都是使用 \x80-\xff 匹配所有中文的