すべての漢字を取り出す正規表現 - totonのブログ

http://www.unixuser.org/~euske/doc/python/sample.py.html # 日本語トークンを切り出すための正規表現。 JP_TOKEN = re.compile(u"[一-龠]+|[ぁ-ん]+|[ァ-ヴ]+|[a-zA-Z0-9]+") http://www.ascii.co.jp/pb/ascii/archive/aftercare/1999.html ［亜-煕］はJIS漢字を検出するときに使う正規表現になります。 本文中で触れている「一太郎 Lite2」の正規表現はUnicode仕様なので，すべての漢字を検出するには，[一-龠]を使用してください（龠は音読みで「ヤク」，訓読みで「ふえ」，Unicodeでは「9FA0」にあたります）。 追記 ※「すべての漢字を取り出す正規表現」については、id:toton:20051105 に記事を追加しました。

[toton]

セルクマ

[cx20]

龠　λλλλλ....ｻｻﾞｴｻｰﾝﾊ　ﾕｶｲﾀﾞﾅｰ

[moerrari]

Unicodeで全ての漢字は[一-龠](正しくはhttp://tama-san.com/kanji-regex/)

[tozawan]

日本語にマッチさせるパターン

[suu-g]

日本語 regex regexp 正規表現

[iRSS]

utf8の漢字

[poafag]

正規表現　漢字

[harupiyo]

日本語について、utf-8 では"[一-龠]+|[ぁ-ん]+|[ァ-ヴ]+"

[webmarksjp]

perl

[takets]

- 日本語は大変だー。

[sewig]

備忘録

[westlife]

すべての漢字を取り出す正規表現。[一-龠]+|[ぁ-ん]+|[ァ-ヴ]+|[a-zA-Z0-9]+。JISは［亜-煕］

[nanakoso]

UNICODE のとき一-龠

[asiamoth]

いろいろなところで使える。

[takado]

JISなら［亜-煕］　Unicodeなら[一-龠]

[fuba]

それUNICODEスクリプトでやりたいけどPythonにはないのかしら

[akiyan]

メモ。

[uemu]

おぼえておこう

[dotgram]

JIS漢字を検出するのは［亜-煕］(↓*コメント引用）

[no_ri]

おおっ、これはすばらしい。

[shidho]

こういうのはあとから検索しても見つからないのよね。

[denken]

「[一-龠]+|[ぁ-ん]+|[ァ-ヴ]+|[a-zA-Z0-9]」

[yzatkatamayu]

なんだこの漢字は

[wacky]

日本語トークンを切り出すための正規表現。/[一-龠]+|[ぁ-ん]+|[ァ-ヴ]+|[a-zA-Z0-9]+/

[lockcole]

ちょうど使いたい場面があった。Great!UTF-8用

[cvyan]

いずれお世話になるハズ。

[shiumachi]

今度試してみよう。

[yorihito_tanaka]

サンプルコードはPython

[nopi]

業務用