【原创】mysql 正则匹配中文
含中文：where nameregexp '[^ -~]'不含中文： where name notregexp '^[^ -~]'后来说需要查询日文 参考资料得知：utf-8 (unicode)/u4e00-/u9fa5 (中文)/x3130-/x318f (韩文)/xac00-/xd7a3 (朝鲜文)/u0800-/u4e00 (日文)汉字正则: e[4-9][0-...
·
含中文：
where name regexp '[^ -~]'
不含中文：
where name not regexp '^[^ -~]'
后来说需要查询日文 参考资料得知：
utf-8 (unicode)
/u4e00-/u9fa5 (中文)
/x3130-/x318f (韩文)
/xac00-/xd7a3 (朝鲜文)
/u0800-/u4e00 (日文)
汉字正则: e[4-9][0-9a-f]{4}
含中文：
where hex(name) regexp ‘e[4-9][0-9a-f]{4}’
我表示很纳闷，这个正则如何而来的。
sql中执行：
select *,hex(name) from test;
'1', '我是中国人', 'E68891E698AFE4B8ADE59BBDE4BABA'
得知：
我-E68891，是-E698A，中-E4B8AD，国-E59BBD，人-E4BABA
也不知道啥么东西，用chrome “FE web前端助手"字符串编码转换后的知是utf8，
我->我
接着就想到在python中获取他的utf8编码：
u'我'
u'\u6211'
'我'
'\xe6\x88\x91'
“我”在sql中对应的HEX 16进制结果就是E68891，正好符合。
上文所提到的正则
‘e[4-9][0-9a-f]{4}’也就有解了。
u'\u4e00'.encode('utf8')
'\xe4\xb8\x80'
u'\u9fa5'.encode('utf8')
'\xe9\xbe\xa5'
诈一看，还真是这样，但是b880-bea5区间仅仅用0-f笼统该快太不规范了...不做处理了.
中文utf8编码区间：\u4e00-\u9fa5 --> e4b880-e9bea5 --> e[4-9][0-9a-f]{4}
日文utf8编码区间：\u0800-\u4e00 --> e4b880 e9bea5
e[0-4][0-9a-b][0-8][0-8]0
e[0-4][0-9a-a][0-9a-f]{3}
e[0-4][0-9a-b][0-8][0-7][0-9a-f]
日文正则：e[0-4][0-9a-a][0-9a-f]{3}|e[0-4][0-9a-b][0-8][0-7][0-9a-f]|e[0-4][0-9a-b][0-8][0-8]0|e[0-4][0-9a-b][0-8][0-7][0-9a-f]
日文正则(简化)：e[0-4][0-9a-a][0-9a-f]{3}|e[0-4][0-9a-b][0-8][0-7][0-9a-f]
韩文utf8编码区间：\xac00-\xd7a3 --> c2ac00 c397a3
正则：
c[2-2][0-9]6[0-9a-f]{2}
c[2-2][0-9]6[0-9][0-9a-f]
c[2-2][0-9]6[0-9]a[0-3]
c[2-2]a[0-9a-b][0-9a-f]{2}
c[2-2][0-9a-a][0-9a-c]00
...
突然发现：韩文正则将会很多很复杂...
那干脆用十进制吧...
select conv('c2ac00',16,10),conv('c397a3',16,10);
12758016, 12818339
貌似需要数值的还要用正则，太麻烦了，用到for循环还不如直接用十六进制between and
....
资料：《
正则表达式 中文 日文 等的验证(php)》《
mysql 正则匹配中文》
为开发者提供学习成长、分享交流、生态实践、资源工具等服务，帮助开发者快速成长。
更多推荐
5
0- 0
已为社区贡献1条内容
所有评论(0)