字符串中截取中文字

Allenng

A1233515 发表于 2021-6-21 14:40
附件供参考

搞定了，谢谢老板帮忙。

yibao2

Allenng 发表于 2021-6-21 15:28
可能跟我excel 2016有关，此数组函数无效，谢谢。

自定义textjoin函数

ggmmlol

用正则可以并列多个分支正则表达式，所以，大多数文本的提取，只要目标字符内容的规则清晰的情况下，只需要一个正则式可以解决。

本题目中多种正则的写法。
常见的思路有两种：
一、①清除成对括号及以内的字符，②、再清除其余非汉字字符。
     表达式的写法是：\([^\(\)]*\)|[^\u4e00-\u9af5]
     见下面的动图演示。
     在CJK象形文字中，汉字字符集的范围是：[一-龥]，或者，按它们的unicode码以十六进制形式表示为[\u4e00-\u9af5]。而“非汉字字符集”可用正则表达式中的反集的表示方法写成：[一-龥]或[^\u4e00-\u9af5]
     由上可见，汉字或非汉字的表示方式都比较麻烦：第一种需要输入一个生僻字，第二种需要记住一长串unicode码的十六进制形式，很不方便。因此，在我下面演示所用的插件中，允许用[\h]表示汉字集，用[^\h]表示非汉字集，该工具会在执行前，把它“翻译”成标准的正则表达式内容，方便使用。因此，在我的插件中，本例的正则表达式可以简写成：\([^\(\)]*\)|[^\h]
       如果对我的加载宏工具感兴趣，可以去以下帖子的29楼下载最新的附件。该工具是完全免费版，虽然功能不多，但在文本数据的清洗整理方面非常实用。
二、①清除小数点及数字字符，②、清除左括号及其后面的所有字符。
     此时，表达式的写法是：[\d.]|\([\d\D]*

比较上面的两种写法，可以发现，第二种方式可以绕过判断汉字，因此形式上更简单一些，但是，它仅根据举例中的内容只有数字、小数点、汉字、括号 这有限的4种，而且目标字符都出现在左括号之前的这两个“特征”来编写的。如果目标字符出现在右括号之后，那它就不适合了。相对来说，第一种方式更准确一些，当然也是更复杂一些。
     但是，一楼显然是一个大懒人，求助时所举的实例仅有一例，甚至于其想要达到什么样的期望结果，也是经过了别人的提醒后才来补充的，而实际数据的情况可能远不止例子中的这一种形式，所以，上面的第一种方式也不一定能完全适应求助者的所有实际数据。

tnt870704

PQ~~~~~~~~~~~