用正则表达式替换多字节字符？

Question

有没有像正则表达式这样的东西来用多字节字符本身替换它们？

例如，我有一个很大的文本文件，其中的字符如下：

漁魚京供侠競共

并希望替换它们，如下所示：

漁;
魚;
京;
供;
...

如何使用正则表达式执行此操作？我已经试过了：

(.)

替换为

\1;\n

但这会将多字节字符(即utf8)“拆分”为每行一个字节(因此，一个字符超过被拆分的两行)。对于单字节字符，它工作得很好...任何帮助都将不胜感激。

Answer 1

使用\P{M}\p{M}*作为替代。要匹配任意数量的字素，请使用(?:\P{M}\p{M}*)+而不是\X+

您可以使用

(?:\P{M}\p{M}*)

而不是

(.)

在.NET中。

​

参考Regex - Unicode Characters and properties