アラビア語のシャクルや装飾文字を除去する正規表現(PHP) - Qiita
シャクルとは アラビア語は母音を記さず子音だけを記すことは知られていますが、(子供向けとかで)子音を表現するために「シャクル」というものが使われることがあります。どんなやつかは wikipediaのシャクルの項 をご覧ください。 たとえば、アラビア語で「モスク」は「مسجد」(msjd)ですが、これにシャクルをつけると「مَسْجِد」(masjid)となります。なんか点がついてますね。 このシャクルですが、もちろんUnicodeでの割り当てがあります。( PDF ) UTF-8ではどうなっているかというと、こんな感じです。 データの検索などに使うため、正規化の一貫としてシャクルだけを取り除きたい需要がどこかにあるのかもしれないと思ったので書きます。 取り除くべき文字について アラビア語の正規化はマトモに取り組むと闇(エジプト方言におけるヤーの対応とかある)らしいですが、まぁU+064B
【保存版】正規表現でエスケープが必要な文字一覧表 - Qiita
エスケープを行う文字そのものなので、\ だけの記述はできません。\ にマッチングさせたい場合は \\ と記述してください。
JIS漢字コード表
JIS 漢字コード表 (JIS X 0208) 第 ２ バ イ ト 2122232425262728292A2B2C2D2E2F303132333435363738393A3B3C3D3E3F404142434445464748494A4B4C4D4E4F505152535455565758595A5B5C5D5E5F606162636465666768696A6B6C6D6E6F707172737475767778797A7B7C7D7E 第１バイト21 、。，．・：；？！゛゜´｀¨＾￣＿ヽヾゝゞ〃仝々〆〇ー―‐／＼～∥｜…‥‘’“”（）〔〕［］｛｝〈〉《》「」『』【】＋－±×÷＝≠＜＞≦≧∞∴♂♀°′″℃￥＄￠￡％＃＆＊＠§☆★○●◎◇ 22◆□■△▲▽▼※〒→←↑↓〓 ∈∋⊆⊇⊂⊃∪∩ ∧∨￢⇒⇔∀∃ ∠⊥⌒∂∇≡≒≪≫√∽∝∵∫
JavaScript で任意の漢字にマッチする正規表現を書く - kazuhoのメモ置き場
重箱の隅で恐縮ですが。弾さんは (function(e){ e.innerHTML = e.innerHTML.replace( /東京都?([\u3200-\u4DBF\u4E00-\u9FFF\uF900-\uFAFF]+)/g, '首都$1東京' ) })(document.body)漢字を判定する正規表現が工夫のしどころでしょうか。[一-龠]はUnicode時代にはちょっと古い。grep CJK /usr/local/lib/perl5/5.10.0/unicore/Blocks.txtが参考資料代わりです。CJK Unified Ideographだけ欲しければ[\u4E00-\u9FFF]でも行けます。 404 Blog Not Found:javascript+regexp - ていうか首都最強東京bookmarklet とおっしゃってるけど、[\u4E00-\u9FFF]
PHP 正規表現チェッカー::preg_match
無効なURLです。 プログラム設定の反映待ちである可能性があります。 しばらく時間をおいて再度アクセスをお試しください。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://www.gsid.nagoya-u.ac.jp/ohna/notes/nu/regex4kanji2.txt
Rubular: a Ruby regular expression editor and tester