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：
/ k) p% B+ p4 E( L
1 @" X* t5 ^8 t1 V) C' Gadd 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。
/ Y+ ~# r% s2 x* O, x" U" F) d8 w) [
网上查了匹配中文字符的正则表达式： [u4e00-u9fa5]
8 k+ D% h# V/ |  f; v% n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

: q" z7 R- e; s' Y3 a8 g7 i& X, {* |EmEditor 里查找：
- a; g' M# W" x; @  d  G

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

复制代码

! f% L8 I" ^* f9 g" h  W' r8 L替换为：
6 g+ o# F) x: ?; ^" r$ Y( B, q

1. \1\n\3

复制代码

mikeee

" V+ k& k: `9 f  B  Y
notepad++里
搜

1. ([^一-龥]+)([一-龥].*)

复制代码

替代

1. \1\n\2

复制代码

9 r& v' k7 W. w4 R
1 ^3 \$ V" y! I! n& I4 U) s[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
0 y) q* I" C/ O/ _EmEditor 里查找：

替换为：

6 T: M( b4 e( ?- B& j1 U! m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
9 _/ N' h! R9 `2 h+ K& N. V* GEmEditor 里查找：
* l/ |; O+ C% d
/ I, M& P: ]# k' p  d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？
0 p1 R4 C* m9 w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：

1. .+\n.+

复制代码

starmars

( Y) w# m# a: H* `  l& g9 \

wnsfzf 发表于 2021-2-21 19:50
6 l4 T8 V# x0 _3 v! m9 |6 r( a9 Q$ x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 ...

/ p, Q. p9 X! D% v
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]*
: Y" [7 ]& O8 S6 D/ I1 g0 M: {1 F; ][\w\W]*

wnsfzf

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

/ b8 P8 `: u$ k1 `( b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：
: Z# H& C7 J! t" E[\s\S]*
[\d\D]*

! f: O% H3 K8 w" B8 k% 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。

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。
; b( ]4 [: z$ U
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
# L/ `6 L' @# t8 V3 P
: R! \! }) A1 Z5 g) k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。
6 {& C3 j) J3 C0 b+ N

mikeee

, G' g9 H  r% x7 G& Z1 A8 ]
% `! A" W  B/ J其实还有一个匹配换行符的方法

: w" n& y/ J  @* }$ {2 C

1. (?s).

复制代码

( N5 K3 X" }! h5 k% W2 K( Q所谓的single line选项。和notepad++的选项 ". matches newline" 一个意思。

例如
" W" D) t3 K  k1 T; {8 r

1. (?s).+

复制代码

# F7 R( q: \# n$ k匹配全部行
% g2 q8 X0 p% e* d! E' w
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
8 M5 L- i- q/ l2 F( E  i) F7 L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 ...

' i1 {) D% c0 w9 K5 w0 b* s$ R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
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！