如何仅通过正则表达式函数匹配重复？（进阶）

人有言兮是然

娋甜 发表于 2025-12-17 11:32
(*UCP)是将WPS的匹配字符集切换到UNICODE。原本WPS的\w 匹配不了中文，因为\w被限制在了ASCII范围。开启 ...

(*UCP)，是wps独有的，还是正则表达式原有的规则？你讲了，有了这个可以类似\d匹配全角。那么微软的excel，不写这个是ok的，那么写上，会不会也ok？还是会报错？
另外，正则表达式的规则，哪儿可以看到全的。n年前，首次使用，我是在维基百科查资料。现在维基百科登不上去，找不到相对全面的正则表达式规则了。

娋甜

人有言兮是然 发表于 2025-12-17 11:43
(*UCP)，是wps独有的，还是正则表达式原有的规则？你讲了，有了这个可以类似\d匹配全角。那么微软的excel ...

①(*UCP)是PCRE2语法，微软和WPS都只能在PCRE2框架内，没有特殊的额外内容。
②微软默认是UNICODE，写不写都是一样的，不报错。
③目前只有英文官方手册有描述基本含义，其余的基本都是网友自己整理的，不仅只有很少的部分，而且有很多错误。也正因如此，我目前正在出免费视频教程，计划把所有PCRE2语法全部精讲一遍。对正则有兴趣可以看看~下面是课程目录和一些资料：
https://www.kdocs.cn/l/cfUIKxodKgSv

人有言兮是然

娋甜 发表于 2025-12-17 12:29
①(*UCP)是PCRE2语法，微软和WPS都只能在PCRE2框架内，没有特殊的额外内容。
②微软默认是UNICODE，写不 ...

我前几天通过国内某ai问答整理了些\P的，你这个全乎。

娋甜

人有言兮是然 发表于 2025-12-17 13:26
我前几天通过国内某ai问答整理了些\P的，你这个全乎。

甜酱出的内容必然是最全的~ AI都是从网络资源学习的，正则水平只能停留在初级。目前全网资源都很匮乏，还有非常多人用错、混淆等。比如到处文章都提到的\p{Han}语法，甜酱是推荐一辈子都不要用的，因为它会误匹配顿号句号等，正确的应该使用\p{sc:Han}。由于多数人不太愿意学原理，一般是路上捡一朵花就拿回家插~所以太容易出错了，也容易让错的东西越传越广。也就是因为这样，才不自量力想要“正本清源”，出一套完善的课程~

人有言兮是然

娋甜 发表于 2025-12-17 13:41
甜酱出的内容必然是最全的~ AI都是从网络资源学习的，正则水平只能停留在初级。目前全网资源都很匮乏，还 ...

你这是在骂我啊，我自我感觉可能就是这个论坛第一个用\p{Han}的。因为我个人不喜欢用两个汉字加一个减号表示，因为真正两个汉字加减号表示全部汉字的，那两个汉字不是我们普通人认识的汉字。今年上半年表格软件有正则表达式后，我就试着采用。你说的这个顿号句号问题，是我最初试用的时候就发现的，但我没有路径知道如何只保留汉字，剔除标点符号的表示方法。

娋甜

人有言兮是然 发表于 2025-12-17 14:02
你这是在骂我啊，我自我感觉可能就是这个论坛第一个用\p{Han}的。因为我个人不喜欢用两个汉字加一个减号 ...

所以现在知道啦，就用\p{sc:Han}就好了。想知道原理的话我的课程里都有讲解~
另外呢，"全部汉字"本身就是伪命题。因为汉字的边界是非常难区分的。你可以说[一-龟]不全，但[㐀-﨩]也是不全的。没有真正”准确“的汉字边界，因为划分字符所属真的是个很大的课题！所以就实用主义来说，常规容易打出来的[一-龟]足以满足日常要求。想要更广，就用\p{sc:Han}

人有言兮是然

娋甜 发表于 2025-12-17 13:41
甜酱出的内容必然是最全的~ AI都是从网络资源学习的，正则水平只能停留在初级。目前全网资源都很匮乏，还 ...

另外，我翻找出当时为了解决\p{Han}包含全角标点问题的正则表达式解决方法：
((?![\p{P}])[\p{Han}])
引申出一个新的问题，上面这个规则，是否等同于\p{sc:Han}？大佬解下惑？
图片是去年我曾发帖，对这个问题的疑惑之一

mao12306

很有营养的帖子

娋甜

人有言兮是然 发表于 2025-12-17 14:42
另外，我翻找出当时为了解决\p{Han}包含全角标点问题的正则表达式解决方法：
((?![\p{P}])[\p{Han}])
...

当然不可以啦~\p{Han}多出来的不止是标点，还有其它可能用于中文的字符。比如典型的偏旁部首，属于\p{Han}，\pP就排除不掉，例如㇋。再例如，带圈汉字也属于\p{Han}：㊧，还有日期㏾等字符。这俩一个属于书写系统，一个属于通用类别，本身就不是一类的。它们结合起来，只能帮你解决一些中文标点问题。但\p{Han}和\p{sc:Han}之间的差距是无法靠结合其它结构来等效的。所以真正应该被重视的就是\p{sc:Han}

逐渐陌生

强