utf8字符集范围

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

--- utf8字符集范围 [2023/09/06 14:23] – MNBVC项目组
+++ utf8字符集范围 [2023/09/11 14:27] (当前版本) – MNBVC项目组
@@ 行 1: / 行 1: @@
-^ 范围 ^ 描述 ^ 备注 ^
+^ unicode范围 ^ 描述 ^ 备注 ^
 | U0021-U0080  | 包含数字0-9，字母a-z,A-Z 空格以及常规键盘能输入的各种符号| U0080为欧元符号|
 | U4E00－U9FA5 | 最初期统一汉字 | 最初期共20902统一汉字  |
@@ 行 9: / 行 9: @@
 | U2CEB0－U2EBEF |扩展F区汉字 | 含有7473汉字，主要包括一千多方块壮字及数千个佛经、古籍中的用字以及日本户籍用字 |
 | U30000－U3134A |扩展G区汉字 | 含有4939汉字，统一码13.0 |
+| U31350－U323AF |扩展H区汉字 | 含有4192汉字，统一码15.0 |
 | U2F800－U2FA1D |台湾的兼容汉字 | 542个汉字 |
 | U9FA6－U9FBB |统一码4.1汉字 | 22个汉字，为使统一码向下兼容GB 18030和香港增补字符集（HKSCS）的所有汉字 |
 | U9FBC－U9FC2 |统一码5.1汉字 | 7个个汉字 |
 | UFA70－UFAD9 |北韩的兼容汉字 | 106个汉字 |
+| U0800-U4e00 | 日文|日文|
+| UAC00-UD7FF | 韩文|韩文|
+参考来源:https://zh.wikipedia.org/wiki/%E4%B8%AD%E6%97%A5%E9%9F%93%E7%B5%B1%E4%B8%80%E8%A1%A8%E6%84%8F%E6%96%87%E5%AD%97
+注:
+字节以上的unicode需要用大写Uxxxxxxxx 表示，例如"𪜱"的unicode编码是u2A731，但是需要在匹配时写成 U0002A731，补齐四个字节，占位符用0表示。
+字节以下用小写uxxxx表示即可，例如"㐀"，即可用u3400表示
+测试代码
+<code python>
+import re
+ss = "𫟏𫟅𫝆𪜱㐀"
+REGEX_FEATURE_ALL = r'[\U0002a731\u3400\U0002b746\U0002B7C5]'
+re_char_check = re.compile(REGEX_FEATURE_ALL, re.IGNORECASE)
+print(re_char_check.findall(ss))
+ss_2 = "ゐ"
+REGEX_FEATURE_ALL = r'[\u0800-\u4e00]'
+re_char_check = re.compile(REGEX_FEATURE_ALL, re.IGNORECASE)
+print(re_char_check.findall(ss_2))
+ss_3 = "한국어"
+REGEX_FEATURE_ALL = r'[\uac00-\ud7ff]'
+re_char_check = re.compile(REGEX_FEATURE_ALL, re.IGNORECASE)
+print(re_char_check.findall(ss_3))
+</code>

utf8字符集范围.1693981393.txt.gz · 最后更改: 2023/09/06 14:23 由 MNBVC项目组