批处理之家 - Powered by Discuz! Board

标题: [问题求助] [已解决]gawk如何匹配一个汉字 [打印本页]

作者: g495326 时间: 2022-11-15 08:52 标题: [已解决]gawk如何匹配一个汉字

本帖最后由 g495326 于 2022-11-18 13:40 编辑

[<汉字>]，提前感谢了

作者: BAT221110 时间: 2022-11-15 09:17

考虑用UNICODE编码范围来做？如这篇文章：https://www.w3cschool.cn/regexp/nck51pqj.html

作者: g495326 时间: 2022-11-15 11:13

回复 2# BAT221110

不行的

作者: hfxiang 时间: 2022-11-15 11:51

本帖最后由 hfxiang 于 2022-11-15 11:55 编辑

在cmd窗口测试如下指令，看能否满足你的需求

echo;中文|gawk "/[\322\273-\375\233]/" >con
echo;12.3|gawk "/[\322\273-\375\233]/" >con
复制代码

异类一点的用

纯中文，用：[一-龥]
带标点，用：[一-龥–　—‘’“”…、。〈〉《》「」『』【】〔〕！（），．：；？]
复制代码

作者: g495326 时间: 2022-11-15 12:42

回复 4# hfxiang

解决了我的问题，多谢

但还是一点不理解，「一」的编码是0xD2BB，「龥」的编码是FD9B，它们之间的范围并没有包括「啊」的编码0xB0A1，为什么仍然能匹配到「啊」字。见下图

点击放大查看

作者: BAT221110 时间: 2022-11-15 13:07

回复 hfxiang

解决了我的问题，多谢
但还是一点不理解，「一」的编码是0xD2BB，「龥」的编码 ...
g495326 发表于 2022-11-15 12:42

可能GAWK用的是UTF8？会不会不一样

作者: g495326 时间: 2022-11-15 13:31

回复 6# BAT221110

不是的

作者: hfxiang 时间: 2022-11-16 08:11

回复 5# g495326

7000汉字的排序可参见：
https://zhuanlan.zhihu.com/p/266732210?utm_id=0

作者: g495326 时间: 2022-11-16 09:10

我明白了，输入编码是gbk，但内部还是使用unicode字符集来比较的。

欢迎光临批处理之家 (http://bbs.bathome.net/)