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：
4 e/ n$ }% v1 R7 `6 \
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： [u4e00-u9fa5]
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

4 Z2 U; p" ^7 J9 j, V
; [+ L* Y1 ^$ q4 J* @# oEmEditor 里查找：

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

复制代码

替换为：

1. \1\n\3

复制代码

mikeee

notepad++里
搜
( v/ P$ H5 z# _- L1 w

1. ([^一-龥]+)([一-龥].*)

复制代码

替代

1. \1\n\2

复制代码

( ~, t' ^+ t6 u4 @4 |/ _
[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
( t( j8 J% A; k2 ZEmEditor 里查找：

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
! m; z8 A0 \) R: F2 `EmEditor 里查找：
! H# E) Z$ l) `5 k  l' U5 F) D) W
替换为：

4 w7 G/ u; a- S3 `借楼请教一个问题：EmEditor里如何匹配包含换行符的任意字符？
/ i4 U) a5 j3 v: V" w5 V7 {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

' n+ l* ?0 Z* x4 {
8 _) A% s" X4 t& B

starmars

: W0 X( u+ I& @: h% k1 @" e' u

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？
7 ~8 \, |' T7 f9 R; d/ F用“.*？”，然后勾选了“高级”选项卡的 ...

2 J" W+ U) \  S$ {9 w" X7 P
2 t6 j( J; a9 M, T- _& r) 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]*
% v; C& R: K4 e3 o$ K[\d\D]*
[\w\W]*

wnsfzf

Mandolin 发表于 2021-2-22 07:19
' G% r( `; Z% G' T# K“.”不包括换行的，匹配换行：

; e+ S; s# _5 k0 [6 M' }# [& H% u( g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
2 C6 I6 G, S9 J7 L0 x0 f4 E. D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：
, c: o3 O: N1 \+ [" P[\s\S]*
; X& x+ s/ T( J6 s. B  |% _$ ][\d\D]*

& \( v% v) H. C3 B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
. F* [; h0 K2 o  U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。
( |0 P! W! X! |2 H! Y
[\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。

- b" M: ?5 [6 l1 O% G1 h5 s" ?0 _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：
7 f$ Q0 F, k( v6 ^' w) Whttps://docs.microsoft.com/zh-cn ... ptions?view=net-5.0

/ m' S' u; G, H. z; s4 z6 Q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。

mikeee

* [* K/ K% |/ A9 V* M, \. j
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。

例如

1. (?s).+

复制代码

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

wnsfzf

starmars 发表于 2021-2-22 22:29
3 v1 P+ C. z, q- {- y! W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 C- V3 V: d) q, Z就象每种编程语言的 ...

% X/ @) d+ q. l9 U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！