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
U3400-U4DBF 扩展A区汉字 含有6592汉字
U20000-U2A6DD 扩展B区汉字 含有42717汉字
U2A700-U2B734 扩展C区汉字 含有4149汉字,包括来自中国大陆、澳门、台湾、日本、越南等尚未编码的汉字
U2B740-U2B81D 扩展D区汉字 含有222汉字,所谓的“急用汉字”
U2B820-U2CEAF 扩展E区汉字 含有5762汉字
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: 4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。

4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

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))