用正则表达式去除中文的N多种办法

首先丢过来传统正则表达式

[u4e00-u9fa5] 或 [一-龥]

u4e00：一

u9fa5：龥

还有两个：[一-龟]和[一-龙]，基本可以平替

中文字符集编码表里面，Unicode以u开头，第一个汉字是“4e00”（一），因为古文里面一就是万物之始。

“一”字本义是表示最小的正整数。 《玉篇·一部》：“一， 王弼 曰：一者，数之始也。 ”又表示序数，指第一。 《书·洪范》：“五行：一曰水，二曰火，三曰木，四曰金，五曰土。 ” 金文 、篆文承续甲骨文字形。 春秋战国 以后，“一”字又可写作“弌”或“弌”，累增“弋”或“戈”旁，是一种繁化写法。 后世这种繁化写法均被废弃。 最小的正整数；常用以表示人或事、物的最少数量。 一也者，万物之本也。 ——《淮南子 ·诠言》 抱一而天下试。 ——《老子》 故一人有事于四方。 ——《尚书 · 君奭》 序数的第一位。 一战而举鄢、郢。 ——《史记 ·平原君虞卿列传》 若干份中的一份或整数以外的零头。 先王之制，大都不过参国之一，中五之一，小九之一。 ——《左传》

最后一个汉字是“9fa0”（龥） ，这样写了个程序浅浅统计了一下，如果不考虑极少数不可见汉字，那么总共有20901个汉字。

常见中文里面最后五个汉字：

龠 (u9fa0)
龡 (u9fa1)
龢 (u9fa2)
龣 (u9fa3)
龤 (u9fa4)
龥 (u9fa5)

另外一说，u9fa1到u9fbb有27个汉字，u9fa1到u9fef还有79个汉字。但u9fbb之后字形不可见。而且还有一些字，在GBK里面，但是无法显示。举个直白的例子，带口的当。

由于《简化字总表》中「噹」和「當」合并为「当」，在748工程中进行的字频统计里自然只会有「当」的字频，加上《简化字总表》使得 GB/T 2312-1980 中不会出现「⿰口当」字。又由于这是个简化字，所以其它国家和地区也不会提交这个字，从而 URO 中不会有这个字。

「⿰口当」这个字被收入 Unicode，或者说 ISO/IEC 10646，或者说 GB/T 13000，是在扩充 C 块内。由于当时对每个被提交的汉字有了「讲证据」的要求，中国方面对所有用字大头提交来的汉字进行审查，并筛选出有证据的汉字加以提交，其中就包括「⿰口当」字。

说白了，就是这个字存在过，在GBK里面也有这个字，但是现在悄无声息的从Unicode里面删除了。

更多的范围见：4E00-9FEF、3400-4DB5、20000-2FA1D和2E80-2FD5，其中有一些字形不可见。

如何快速调用

使用优化过的表达式

采用[一-龟]或者[一-龙]替换，这俩字更好记，更好打出来。只要是不打什么偏僻的文言文，基本管用。

使用传统表达式

在金山文字或者微软Word里面输入9FA5, 选中这四位编码，用快捷键【alt+x】可以把16进制Unicode代码转化为这个汉字。

或者来点更离谱的：在金山文字/微软Word中选择【插入】——【符号】——选择【CJK兼容汉字】就能很快定位到这个龥。

再来点离谱的，如果会五笔的话，用五笔【wgkm】可以打出此字。各位八零九零后是不是DNA动了？

怎么样？是不是会用了？

王旁青头戋五一

土士二干十寸雨

大犬三羊古石厂

工戈草头右框七