正则如何匹配汉字？

starmars

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

) ?. `/ T6 l5 y  P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。
2 c. S) A# n. M8 N. ~. n. V5 @: t
& T/ _0 B0 r+ G* E9 y$ q网上查了匹配中文字符的正则表达式： [u4e00-u9fa5]
6 v1 ?9 c! \7 P, O  e. g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。
0 J$ M! j' E( s) X/ H
有高手指点一下？谢谢！

Mandolin

% g3 C$ J6 J" K7 y' o! k% _
, G/ m) N, H, FEmEditor 里查找：
+ p7 h5 ]. i3 [' ?- ]

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

复制代码

5 ?. s9 ], p* s/ c替换为：
' I; h% D; b7 n. A) B0 s  u% D2 g

1. \1\n\3

复制代码

mikeee

) W$ T) |3 M  m+ ~4 Q4 k
* v) ?, _" ]) Z$ Cnotepad++里
$ u7 [5 n# }/ [- K搜

1. ([^一-龥]+)([一-龥].*)

复制代码

替代

1. \1\n\2

复制代码

$ }3 y' i" _% }, {, m3 x[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

Mandolin 发表于 2021-2-18 22:36
/ L0 D* M, J/ Q' u8 [EmEditor 里查找：
) r2 Q) `+ E0 Y2 V
' }0 V- z% x( \6 L, R3 U/ [) C8 {替换为：

有用！感谢大师！

oversky

请问有没有日文五十音+日文汉字的？

wnsfzf

Mandolin 发表于 2021-2-18 22:36
' q, N* b0 \* ^: s* K* V( e7 aEmEditor 里查找：

, k  S8 k9 ]# C0 r* x替换为：

, T, o# I8 V/ o3 C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

“.”不包括换行的，匹配换行：
* A9 @( Y3 I8 `2 l6 h- J

1. .+\n.+

复制代码

- r3 P# V7 Y5 T* K* M
1 I. y2 d7 I5 _" B! i' v+ ?

starmars

! ?# _$ d) z. i* ^* E

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？
' o, B# g6 I* Z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：
8 O( `; W# }0 M/ m[\s\S]*
+ d  L* @* t7 D[\d\D]*
, |$ D$ p0 U$ z  u$ R[\w\W]*

wnsfzf

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

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]*

# B" [; L$ P' g* ~) {/ U1 Z4 L0 J这个也试过了，在EmEditor中没有包含换行。

starmars

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

! W; x  s9 c2 x" E5 y$ l9 N" S) w3 ~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。
8 x! a$ I- d& w; ?. h
9 o& k. m' i; o: O0 I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" i0 V, q1 b9 o9 v2 E# R" P8 _
% A( q2 v7 x1 r, s- S/ K[\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。
: ]' Z1 K3 m; j  g+ B
+ b2 e+ r5 f+ r0 n# F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：
& [* n2 W& q/ M: S9 X- @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。
! p4 T( \; w& M, k/ n- ^# r

mikeee

其实还有一个匹配换行符的方法

1. (?s).

复制代码

所谓的single line选项。和notepad++的选项 ". matches newline" 一个意思。
1 O" M3 W; x7 @  F% L6 ~7 h
* Y% n' r( x( b" N! Z例如
" u! a% v' Q" s% j& C( U+ ^( ~

1. (?s).+

复制代码

  a  }( c( i7 ]4 [# b. i4 k匹配全部行
$ j5 V0 l$ i, \! D" R, O% O
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

starmars 发表于 2021-2-22 22:29
7 ~! k: @. Z3 g/ C' s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。
9 n1 P' `- ]7 k  \1 a
6 G8 S& k6 h$ H6 Z就象每种编程语言的 ...

7 e0 B/ |+ G5 Z* j9 `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

mikeee 发表于 2021-2-22 22:59
  R8 w- ?- }8 S* Q其实还有一个匹配换行符的方法

& m# {0 P8 |1 i3 M是的，emeditor打开大文件速度很快，但就是正则不太会用，感谢！