wordpress UTF8 中文字数统计插件
Jan 2nd
最近想在博客中实现这样的功能：“本文字数XXX，继续阅读…”。在网上找了一款Word Count Plugin for WordPress，作者是 Murray Williams，可惜它只能统计英文单词数，却不能统计中文字数。我下载了源码，自己动手修改，实现了想要的功能。修改过程中涉及了PHP语言中如何使用正则表达式来匹配中文，于是我把过程写这在里。
探索匹配中文的正则表达式
Aug 24th
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
匹配中文的正则表达式
Jun 2nd
以前在编写linux下的scim郑码码表时，就跟正则式的中文匹配问题打过交道。当时总结了这样一条经验，utf8编码格式下，中文正则式应该这样书写：
[\x80-\xff]{3}
当然，这与语言无关。在perl与python中，都是一样的。
现在，这条正则式又派上用场了。正在编写的一个小程序MiniBlogs Updater中，需要计算用户所输入的文字字数。因为中英文字符编码长度不一，如果直接使用python中的len()函数，它计算的是该字串的实际长度，一个中文字并非等同于一个英文字母的。因此，需要把中文字当成英文字母来处理。
我写了这样一条语句来处理：
length=len(re.sub('[\x80-\xff]{3}','a',msg))
它的意思是，把所有的中文都替换成英文字母a，然后再统计字数。（只是统计而已，不修改源字串。）这条语句在windows下utf8文件中能够正常工作。
再分享两则与匹配中文的正则表达式有用的链接：
Comments