正则如何匹配汉字？
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：
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！ 本帖最后由 Mandolin 于 2021-2-18 22:39 编辑
EmEditor 里查找：
()( *)([\x{4e00}-\x{9fa5}])
替换为：
\1\n\3 本帖最后由 mikeee 于 2021-2-18 23:39 编辑
notepad++里
搜
([^一-龥]+)([一-龥].*)
替代
\1\n\2
[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。 Mandolin 发表于 2021-2-18 22:36
EmEditor 里查找：
替换为：
有用！感谢大师！{:11_379:} 请问有没有日文五十音+日文汉字的？ 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。 “.”不包括换行的，匹配换行：
.+\n.+
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]* 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？ 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。 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/dotnet/api/system.text.regularexpressions.regexoptions?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。
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).
所谓的single line选项。和notepad++的选项 ". matches newline" 一个意思。
例如
(?s).+
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 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！ 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！
页:
[1]