regex - 正则表达式替换多字节字符？

Question

是否有类似正则表达式的东西可以用它们自己替换多字节字符？

即我有一个带有这样字符的大文本文件：

漁魚京供侠競共

并想像这样替换它们：

漁;
魚;
京;
供;
...

我该怎么做，使用正则表达式？我已经试过了：

(.)

用。。。来代替

\1;\n

但这会将多字节字符（即 utf8）“拆分”为每行一个字节（因此一个字符超过 2 行拆分）。对于单字节字符，它工作正常......任何帮助将不胜感激。

Answer 1

我使用Vim。我创建了一个新文件并将您的示例文本（渔鱼京供侠竞共）粘贴到一行中。然后我输入：

:%s/./\0;Ctrl+VEnter/g

这成功地根据您的需要分隔行。

命令是：

• :- 启动一个新命令（在 vim 命令行上）
• %- 将更改应用于整个文件
• s///- 代替
• \0- 对整个原始匹配的反向引用（也可以(.)使用\1）
• Ctrl+V- 将下一个击键作为文字字符转义
• g- 替换每一行的所有出现

Answer 2

使用 \P{M}\p{M}* 作为替代。要匹配任意数量的字素，请使用 (?:\P{M}\p{M}*)+ 而不是 \X+

您可以使用

(?:\P{M}\p{M}*)

代替

(.)

在.NET 中。

请参阅正则表达式 - Unicode 字符和属性