【求助】正则表达式学习求助（已解答谢谢各位老师） - 第 4 页

nicol · #46 2013-10-07, 18:07:52

引用:

作者: river01

谢谢,那么中文双字节标点符号如，。、？！•：；¥是什么范围

仅仅是标点符号？这个真没琢磨过，简单的可以直接用[。、？！•：；¥]这样的，把能想到的标点都加进去就行了，毕竟标点符号并不多。要范围的话得去unicode字符表查了，仅仅是中文标点的没研究过，呵呵

MacOS · #47 2013-10-07, 19:19:47

刚才试了SUBLIME TEXT，应该UNICODE的问题不是EM的，估计PERL引擎都会有，中括号UNICODE范围同样是所有UNICODE字符
中文符号有个偷懒的写法，就是利用这个UNICODE的范围错误，[^\x00-\xFF\u0000]，只要不分大小写就是双字节符号集

river01 · #48 2013-10-07, 21:00:40

引用:

作者: MacOS

上面刚刚说完……预查里不能用通配，+是不行的
EM不能用UNICODE模式表示准确的范围，你可以试验一下[\u0000]——里面的UNICODE字符随便写，虽然这个表达式只应该匹配其中一个UNICODE字符，但在EM使用时是指代所有UNICODE字符，中文范围俺也忘了哪里到哪里了，回头查一下

em预查不能通配,但我试了别的编辑器可以。

难道[\u0000]表示任意双字节unicode字符，那太强了。

MacOS · #49 2013-10-07, 21:28:54

应该说很多都不能用通配，估计是PERL系都是，起码UE和SUBLIME都不行，俺一直以为是EM特有的问题
并不是\u0000，而是任何UNICODE转义，EM和SUBLIME下都不能准确指定范围，只是看起来已经涵盖所有UNICODE字符，实际范围完全不明白，而且UNICODE写法实际上应该不能匹配UNICODE字符，而是双字节字符，比较明显的现象就是本地代码页不存在的字符是不匹配的，像十字架，心型，音符之类

foxme · #50 2013-10-08, 03:04:52

引用:

作者: river01

(?<=^|(第.+[章集])).*?(?=$|(第.+[章集]))
1、这个我在EM里运行出错，但语法能理解。
2、如果想在[章集]后面加上固定的"空格加4个汉字"的章节名字，如何表示4个汉字？

在emeditor中可以用下面的方式粗略的定义4个所有非asc字符.

[[:unicode:]]{4}

如果是多语混排, 那么只能用下面的语句了

[^\x00-\xff]{4}

另外, @river01, 每次提问的时候要是能够提供一个样本文件, 这样我们讨论起来就方便一些.

judite · #51 2013-10-08, 09:11:31

想学正则先把标准弄弄清楚罢
除了一些unix工具如grep、sed、awk使用posix标准，比较新的工具都使用pcre。pcre已经是事实上的标准了

river01 · #52 2013-10-08, 10:40:06

引用:

作者: MacOS

实际范围完全不明白，而且UNICODE写法实际上应该不能匹配UNICODE字符，而是......

实际测试了一下，确实不能匹配UNICODE字符.
[^\x00-\xff]是可以匹配的，包括汉字和中文标点。

MacOS · #53 2013-10-08, 10:53:05

[^\x00-\xff]在EM和SUBLIME中也不能匹配UNICODE，实际上也还是双字节，像版权符号没反应

river01 · #54 2013-10-08, 14:39:34

引用:

作者: MacOS

[^\x00-\xff]在EM和SUBLIME中也不能匹配UNICODE，实际上也还是双字节，像版权符号没反应

EM不能用我就换别的，换来换去发现WORD处理起来更容易。[!^1-^127]

MacOS · #55 2013-10-08, 14:48:22

是，有时候其他非正则还是挺好用，特别是些特色替换

MacOS · #56 2013-10-08, 15:19:29

试出所谓UNICODE范围的真实意义了，实际上，[\u]是被解释为小写字符或者说非大写，然后后面跟着的数字被当作了列举，所以[\uXXXX]实际上是所有小写字符加XXX的数字，[\uABCD-\uEFGH]的实际释义是，所有小写字符，再含ABC，然后D开始一直到所有小写字符，再含EFGH，因为EM中在不分大小写时，把双字节字符当成非大写，所以看起来就像所有中文字符那样，实际上还是涵盖了部分数字或者字母的，还有个反写法\U也被证实是大写字符

MacOS · #57 2013-10-08, 15:36:35

再试了下发现还是不对，俺把^看漏了，\u实际是大小写都包含，这个的含义是非数字、非符号，其中非符号包括单字节双字节UNICODE全非，那实际上，[\uXXXX]就是外加XXXX的非符号单字了，[\uABCD-\uEFGH]也是取决于D，从该字符顺序以后的到第一个非符号都会匹配，外加ABCEFGH，作为他的反义，\U表示数字加所有符号

river01 · #58 2013-10-08, 15:51:57

引用:

作者: MacOS

\U表示数字加所有符号...

我试的结果也是这样，^\U反而是汉字，当时就迷茫了。

MacOS · #59 2013-10-08, 15:59:26

仔细想了一下，俺的第一次分析应该是对的，只是漏掉了^忘记结论应该反过来，也就是说，56楼反过来说就是真实情况，也即是

引用:

实际上，[\u]是被解释为大写字符或者说非小写，然后后面跟着的数字被当作了列举，所以[\uXXXX]实际上是所有大写字符加XXXX的数字，[\uABCD-\uEFGH]的实际释义是，所有大写字符，再含ABC，然后D开始一直到所有小写字符，再含EFGH，因为EM中在不分大小写时，把双字节字符当成非小写，然后不分大小写的话还同时含小写字母，所以看起来就像所有中文字符那样，实际上还是涵盖了部分数字或者字母的，还有个反写法\U也被证实是小写字符

river01 · #60 2013-10-08, 16:31:09

word可以用[!一-龥^a-^127]确切地匹配中文标点符号
我试着变成正则的语法[^1-龥\x00-\xff] 也能匹配部分中文标点，我再查查编码表，是不是漏了。