VBA之正则表达式（5）-- 中文字符

实例需求：数据保存在A列中，需要将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单词很简单，[a-zA-z]把26个字母大小写将都涵盖了，可是中文字符怎么搞呢，是否也可以使用类似的方法，找到中文的开始和结尾的字符。中文到底有多少个字符？其实这个问题很难回答。CJK（CJK Unified Ideographs，中日韩统一表意文字）字符集中从0x4E00到0x9FA5 的连续区域，包含了 20902 个来自于中国、韩国、日本的汉字，涵盖了多数中文字符，可以说CJK是GB2312-80和BIG5等字符集的超集。
0x4E00和0x9FA5分别对应中文中的哪个字呢？大家可以在网上使用Unicode转换器进行转换，其实在Word中使用【符号】对话框将可以进行查询，如下图所示。

0x4E00d对应汉字【一】，0x9FA5对应汉字【龥】，这个字属于古汉字，其读音为yù，使用拼音输入法，需要翻页N多次，才可以找到它。

在不同字体中，0x9FA5不一定是CJK统一汉字的最后一个字，例如下图还有之后的8个字符也属于CJK统一汉字，但是这些似乎都是偏旁部首，所以一般情况下使用[一-龥]匹配汉字就足够了。由于输入龥字比较麻烦，直接使用16进制的字符编码[\u4e00-\u9fa5]来表示中文字符集更加方便。

示例代码如下。

Sub RegExpChinese()

复制代码

Dim strTxt As String, strMsg As String

复制代码

Dim objRegEx As Object, objMatch As Object

复制代码

Dim j As Integer

复制代码

Set objRegEx = CreateObject("vbscript.regexp")

复制代码

'objRegEx.Pattern = "[^一-龥]"

复制代码

objRegEx.Pattern = "[^\u4e00-\u9fa5]"

复制代码

objRegEx.Global = True

复制代码

For Each c In Range([A1], Cells(Rows.Count, 1).End(xlUp))

复制代码

strTxt = Trim(c.Value)

复制代码

c.Offset(0, 1).Value = objRegEx.Replace(strTxt, "")

复制代码

Next

复制代码

Set objRegEx = Nothing

复制代码

End Sub

复制代码

【代码解析】
第6行代码使用后期绑定创建正则对象。
第7行代码指定正则匹配字符串，用于匹配非中文字符，方括号中的^代表字符集的否定，即不包含指定字符集。
第8行代码设置为全局搜索模式。
第9行代码第12行代码循环处理工作表中的数据。
第11行代码执行正则替换，并将替换后的结果写入工作表中。

作者：taller
微软全球最有价值专家
ExcelHome技术论坛VBA版块版主
EH论坛VBA系列图书主创人