今天遇到一个问题,从一个大文本里面去匹配所有中文,遇到不是单字的中文再去处理。
问题是,这个文本没有什么结构的,我去找中文没有什么锚点可以供我参考(不然正则表达式就好夹出来了),我只好硬去抓中文字符串。
用perl的话查到一些中文的正则表达式 比如 /[\u41-\u7a]/ [\x80-\xff\w] 等等。
我的理解是查unicode码表,去夹取一个范围。
想请教一下大家还有没有更好的实现思路。或者我的思路不对?
文本格式形如:
http://code.bulix.org/wbpm1e-86500