在Python中匹配"Chinese+Number“模式的正则表达式

Question

在Python3.3中，我想匹配下面的模式，但是它一直失败。

摄氏零下253

我用了下面的正则表达式。

[^\x00-\x47\x58-\x7F]+

它不排除除了数字以外的所有ascii吗？

Answer 1

您正在混合ASCII数字的十进制和十六进制值。\x转义序列表示十六进制转义，为此您应该使用所需的ASCII字符的十六进制值。

参考ASCII表(http://www.asciitable.com/)，范围应该是0到2F，然后是3A到7F，您的正则表达式应该如下所示：

[^\x00-\x2F\x3A-\x7F]+

然而，上面的正则表达式除了包含中文字符外，还包括所有字符(事实上，它包括除127个ASCII字符减去数字之外的所有内容)。

Answer 2

根据您正在使用的编程语言，您可以使用以下代码。

[\p{Han}\p{N}]+

\p{Han}与汉字脚本中的字符匹配。 \p{N}匹配任何脚本中的任何类型的数字字符。

现场演示

Answer 3

不确定您使用的是哪种语言，但是当使用预定义的Unicode脚本时这个正则表达式在PHP中工作。

/(?:[\p{Han}0-9]+)/simu

由于并非所有regex的实现都设置了预定义的Unicode脚本，因此它可能更易于移植：

/[\x{4e00}-\x{9fa5}0-9]+/simu

下面是两个regex都已就位的一些测试代码；请注释其中一个或另一个进行测试：

// Set the test string.
$string = '摄氏零下253';

// Run it through preg_match.
// $regex = "/(?:[\p{Han}0-9]+)/simu";
$regex = "/[\x{4e00}-\x{9fa5}0-9]+/simu";
preg_match($regex, $string, $matches);

// Send a UTF-8 header out so it looks nice.
header('Content-Type: text/html; charset=UTF-8');

// Dump the matches.
echo '<pre>';
print_r($matches);
echo '</pre>';

下面是这个脚本的结果：

Array
(
    [0] => 摄氏零下253
)