按：本文使用的RegexBuddy为3.1.0（完全）版，并非最新版3.1.1（截至2008.08.23）。需要该版本的请在这篇文章后留言。

注：参考www.regular-expressions.info的风格，更新了本模板的style.css文件，加入了与正则式代码相关的格式：

• 正则式格式举例：[a-z]+@[a-z]+?\.[a-z]+
• 匹配格式举例：pig@animals.com和chicken@birds.com
• 普通文本格式举例：这是一些普通文本。hello regex world. pig@animals.com和chicken@birds.com

可以这样使用：在字符串这是一些普通文本。hello regex world. pig@animals.com和chicken@birds.com使用正则式[a-z]+@[a-z]+?\.[a-z]+加以匹配，得到的结果为：pig@animals.com和chicken@birds.com。

极端粗放型：点号其实是近乎万能的，可以匹配任何字符，限制只在于换行符的匹配上。匹配中文自然不在话下。作为可有可无的背景符，一个.*就能匹配掉包括中文在内的全部字符。这当然是一种极端的情况，因为这样显示不出中文字符串的特性。这不是本文要探讨的。

极端集约型：如果搜索特定文本，例如在一二三四五六七八九十拾佰百千仟万亿中匹配十拾， 直接使用m/十拾/就能搞定。这同样不是本文要探讨的。与\w能匹配英文字母一样，本文想找的是能够匹配所有汉字，而不匹配其它文本的一种简写方式。

普适型型：由于汉字属于Unicode，我们就从unicode里面找。在Unicode Regular Expressions，列出了unicode的许多种表达方式。搜索chinese，找到如下一行：

关于CJK的含义，是指中日韩统一表意文字（Chinese Japanese Korean Unified Ideographs），可以参考百度释义，或wiki词条。

再查了一下regular expressions,查到其unicode一节有这样的内容：

\p{InCJK_Unified_Ideographs}: U+4E00..U+9FFF

看到这里，我想起了以前写的《匹配用户名的asp正则表达式(包括中文)》一文中，提到的中文匹配为[\u4e00-\u9fa5]，原来是有其对应的速记方式的，虽然两者有最后一组字符的差异。看附图可见U+9fa5，最后一个汉字的模样。 此序列的第一位，U+4e00，是汉字一。

自定义：到目前为止，相当于给汉字找到了官方的身份和说法，使用\p{InCJK_Unified_Ideographs}就能匹配所有的中文字符。我们其实也可以将一些重复出现的东西，封装起来，以备使用。例如，对于阿拉伯数字，我们有\d可以用。对于中文数字一二三四等等，我们有没有办法呢？

其输出结果见附图。

结论

可以使用\p{InCJK_Unified_Ideographs}匹配任意中文字符。在不支持该种标记方式时，也可以使用[\u4e00-\u9fa5]加以匹配。

关于文正则表达式，我觉得尚未穷其奥秘。以前在linux（utf8编码）下，编写scim输入平台的郑码码表时，匹配中文所使用的正则表达式为[\x80-\xff]{3}，也能很好地工作。请参阅此文：龙文郑码码表 for scim。其原理我尚不清楚，留待之后有时间研究。如有知情者，也请不吝赐教，先行谢过。

关于此视频的讲师：

此视频的讲师为余晟先生。余先生是抓虾网高级顾问。毕业于东北师范大学，主修计算机，辅修中文。现居北京。曾任高级程序员、技术经理；从事过大量文本解析和数据抽取的工作。对程序语言、算法、数据库和敏捷开发都有兴趣，译有《精通正则表达式》(第3版)一书。

关于此视频

此视频分为5讲，每讲30分钟左右，内容深入浅出，适合以下受众：

• 对正则式感兴趣的人；
• 对正则式不感兴趣的人；
• 正则式初学者，想入门；
• 正则式有所成者，想提高。

当然，如果能静下心来，通读《精通正则表达式》原书，并亲自动手尝试，效果更为显著。

目录及下载：

视频文件（avi格式）已经使用7-zip压缩，使其总尺寸从784Mb减小到74.7Mb。您需要使用支持7-zip的解压软件才能打开。

上传空间在mediafire。在网络封锁日益严峻的大环境下，您或许需要使用代那个理才能访问。我不敢保证此文件址长时有效。需要下载的请抓紧时间。

章节	内容	大小（Mb）	链接
第一讲		15.5	点此下载
第二讲		13.1	点此下载
第三讲		16.6	点此下载
第四讲		15.3	点此下载
第五讲		13.9	点此下载
源代码		16.9Kb	点此下载

2009.04.07更新：
请到此下载：正则表达式论坛。

基本界面

点击可以看大图。另外，还有一组图片来自powergrep官网，附上了官网的部分介绍，以及个人评论。

• 内容搜索图片，点这里；
  在本抓图中，我搜索了c:\My Documents\My Web Sites文件夹及其子目录下所有的html文件。我使用了一条正则表达式把搜索范围限定在HTML tag之内，使用另一条正则式在这些标记中搜索所有的email地址。

• 搜索和替换，点这里和这里；
  一个好用的功能是可以预览结果而不是立即替换。匹配结果以黄色标出。双击匹配就能打开对应的文档并检验其内容。
  点击执行后，颜色改变，表示已经实施替换。

• 收集信息和统计数据，点这里；
  本例是“检测Apache网络日志－－google search terms”的例子。本例使用的正则式在PowerGREP帮助文档中有详细讲解。

• 灵活的“撤消”历史记录，让你不再抓狂，点这里；
  在执行替换的同时，PowerGREP已经备份了原文件。只要你没有手动删除这些备份的文件，你可以随便撤消你做过的任何操作。世界上真有后悔药的呀。

• 搜索PDF文档，点这里；
  PDF也能使用正则式进行搜索？当然了，你没有看错。只是，要确保PDF文档中你要搜索的内容是文字而非图像。也就是说，扫描版的PDF不享受此功能的哟。

• 在MS word 文档中搜索，点这里；
  这个功能也十分有用。我记得还有个东东叫ViEmu for Word & Outlook，可以在word和outlook中模拟vim，当然可以使用正则式搜索替换了。不过，ViEmu一来也是收费软件（在2008年5月31日之前是79美刀，之后是99美刀），我还没有找到免费版本；二来其正则式是vim风格的，只习惯Perl风格的同学可能不太习惯。在google documents里也支持正则式搜索了，具体语法、风格尚未广泛测试。

• 在MS Excel中搜索，点这里；
  同样也是批量搜索、替换。不单单是对一个文档、一个sheet。

• 以16进制模式，在2进制文档中搜索，点这里；
  跟二进制编辑器界面类似，多了正则式批量搜索替换功能。

• 在zip压缩文档中搜索，点这里；
  把zip文件当作普通文件夹来搜索。很强大吧？

• 正则表达式序列，点这里；
  大多数正则式工具一次只支持一条正则式的操作。而PowerGREP可以一次执行多条正则式！使用checkbox来进行多项选择。

• 定制颜色显示，点这里；
  该功能比较一般。除非软件中的颜色设置特傻，一般我是不会改变默认颜色搭配的。

功能演示

PowerGREP官网还提供了一组flash做的demo，见下。

• 使用正则式匹配email地址(2’47”)。点这里；
• 升级版权信息(3’38)。点这里；
• 与RegexBuddy的无缝链接(1’57”)，点这里；两个软件是亲兄弟，当然哥俩好啦！
• 文件选择(3’08”)，点这里；PowerGREP提供了贴心的特性，来帮助你筛选需要的文档。
• 其它特性(8’37”)，点这里；总而言之，PowerGREP是功能强大。自己发掘吧！

软件下载

目前其最新版为3.4.2，更新于2008年1月18日。其官网为www.powergrep.com，可以去下载其最新版试用。该软件为商业软件。

• 如果你偶然路过，尝新而已，那只需下载试用版即可；
• 如果你觉得好用、准备常用、手有余钱、非正版不用，不妨花美金购买；要花人民币1000多块哟^_^
• 如果你喜欢它，同时你认为优秀的网络资源是应该和朋友免费分享的，从而想获得该软件的全功能免费版，好吧，我也成全你，请在本文后留言（附邮箱），我会把这个小东西的链接发给你(最新版为3.4.2，我手头的全功能版为3.3.3，也足够用了)。更新：
  请移步至此下载PowerGREP 3.5.0版。

———————————————————————————————————