VBA之正則表達式（5）

hdzgx 2019-10-26

展開全文

實例需求：數(shù)據(jù)保存在A列中，需要將其中中文字符提取至B列。如何匹配中文字符呢？

大家都知道匹配英文單詞很簡單，[a-zA-z]把26個字母大小寫將都涵蓋了，可是中文字符怎么搞呢，是否也可以使用類似的方法，找到中文的開始和結(jié)尾的字符。中文到底有多少個字符？其實這個問題很難回答。CJK（CJK Unified Ideographs，中日韓統(tǒng)一表意文字）字符集中從0x4E00到0x9FA5 的連續(xù)區(qū)域，包含了 20902 個來自于中國、韓國、日本的漢字，涵蓋了多數(shù)中文字符，可以說CJK是GB2312-80和BIG5等字符集的超集。
0x4E00和0x9FA5分別對應(yīng)中文中的哪個字呢？大家可以在網(wǎng)上使用Unicode轉(zhuǎn)換器進行轉(zhuǎn)換，其實在Word中使用【符號】對話框?qū)⒖梢赃M行查詢，如下圖所示。

0x4E00d對應(yīng)漢字【一】，0x9FA5對應(yīng)漢字【龥】，這個字屬于古漢字，其讀音為yù，使用拼音輸入法，需要翻頁N多次，才可以找到它。

在不同字體中，0x9FA5不一定是CJK統(tǒng)一漢字的最后一個字，例如下圖還有之后的8個字符也屬于CJK統(tǒng)一漢字，但是這些似乎都是偏旁部首，所以一般情況下使用[一-龥]匹配漢字就足夠了。由于輸入龥字比較麻煩，直接使用16進制的字符編碼[\u4e00-\u9fa5]來表示中文字符集更加方便。

示例代碼如下。

Sub RegExpChinese()
    Dim strTxt As String, strMsg As String
    Dim objRegEx As Object, objMatch As Object
    Dim j As Integer
    Set objRegEx = CreateObject("vbscript.regexp")
    'objRegEx.Pattern = "[^一-龥]"
    objRegEx.Pattern = "[^\u4e00-\u9fa5]"
    objRegEx.Global = True
    For Each c In Range([A1], Cells(Rows.Count, 1).End(xlUp))
        strTxt = Trim(c.Value)
        c.Offset(0, 1).Value = objRegEx.Replace(strTxt, "")
    Next
    Set objRegEx = Nothing
End Sub

【代碼解析】
第6行代碼使用后期綁定創(chuàng)建正則對象。
第7行代碼指定正則匹配字符串，用于匹配非中文字符，方括號中的^代表字符集的否定，即不包含指定字符集。
第8行代碼設(shè)置為全局搜索模式。
第9行代碼第12行代碼循環(huán)處理工作表中的數(shù)據(jù)。
第11行代碼執(zhí)行正則替換，并將替換后的結(jié)果寫入工作表中。