如何在vb中用正则表达式判断UTF-8码的字符串中是否包含中文字？

Question

如何在vb中用正则表达式判断UTF-8码的字符串中是否包含中文字？
    Set regTest = New RegExp
    regTest.Pattern = "^[\u4E00-\u9FA0]+$"
我这样子写的，似乎不起作用，不知道应该怎么写？

Answer 1

怎么转码呀，不是很懂，另外我在vba里读到的utf-8文件头三位是 &H81 &H45 &HBF，这是不是也和转码有关系？

Answer 2

http://www.mndsoft.com/blog/article.asp?id=605有网友要GBK转到UTF8的代码，暂时没有找到，提供一个UTF-8转换GB2312的，对照学习一下吧
'*/-------------------------------------------------------------
'*/模 块 名:mUTF8
'*/功 能:UTF-8转换GB2312函数
'*/示 例:UTF2GB("%E9%83%BD%E5%B8%82%E6%83%85%E7%B7%A3 %E6%98%9F%E5%BA%A7")
'*/建立日期:2004-11
'*/修改日期:
'*/作 者:参阅网上资料
'*/联 系：[email protected] Http://www.mndsoft.com
'*/-------------------------------------------------------------
Public Function UTF2GB(UTFStr As String) As String
For Dig = 1 To Len(UTFStr)
If Mid(UTFStr, Dig, 1) = "%" Then
If Len(UTFStr) >= Dig + 8 Then
GBStr = GBStr & ConvChinese(Mid(UTFStr, Dig, 9))
Dig = Dig + 8
Else
GBStr = GBStr & Mid(UTFStr, Dig, 1)
End If
Else
GBStr = GBStr & Mid(UTFStr, Dig, 1)
End If
Next
UTF2GB = GBStr
End FunctionPublic Function ConvChinese(X)
A = Split(Mid(X, 2), "%")
i = 0
j = 0For i = 0 To UBound(A)
A(i) = c16to2(A(i))
NextFor i = 0 To UBound(A) - 1
DigS = InStr(A(i), "0")
Unicode = ""
For j = 1 To DigS - 1
If j = 1 Then
A(i) = right(A(i), Len(A(i)) - DigS)
Unicode = Unicode & A(i)
Else
i = i + 1
A(i) = right(A(i), Len(A(i)) - 2)
Unicode = Unicode & A(i)
End If
NextIf Len(c2to16(Unicode)) = 4 Then
ConvChinese = ConvChinese & ChrW(Int("&H" & c2to16(Unicode)))
Else
ConvChinese = ConvChinese & Chr(Int("&H" & c2to16(Unicode)))
End If
Next
End FunctionPublic Function c2to16(X)
i = 1
For i = 1 To Len(X) Step 4
c2to16 = c2to16 & Hex(c2to10(Mid(X, i, 4)))
Next
End FunctionPublic Function c2to10(X)
c2to10 = 0
If X = "0" Then Exit Function
i = 0
For i = 0 To Len(X) - 1
If Mid(X, Len(X) - i, 1) = "1" Then c2to10 = c2to10 + 2 ^ (i)
Next
End FunctionPublic Function c16to2(X)
i = 0
For i = 1 To Len(Trim(X))
TempStr = c10to2(CInt(Int("&h" & Mid(X, i, 1))))
Do While Len(TempStr) < 4
TempStr = "0" & TempStr
Loop
c16to2 = c16to2 & TempStr
Next
End FunctionPublic Function c10to2(X)
mysign = Sgn(X)
X = Abs(X)
DigS = 1
Do
If X < 2 ^ DigS Then
Exit Do
Else
DigS = DigS + 1
End If
Loop
tempnum = Xi = 0
For i = DigS To 1 Step -1
If tempnum >= 2 ^ (i - 1) Then
tempnum = tempnum - 2 ^ (i - 1)
c10to2 = c10to2 & "1"
Else
c10to2 = c10to2 & "0"
End If
Next
If mysign = -1 Then c10to2 = "-" & c10to2
End Function

Answer 3

似乎还是不行，我的vb script中文正则表达式：regTest.Pattern = "^[\u4E00-\u9FA5]+$"
读utf-8文件进行判断如下：
            Open tempstring For Input As #2
                Do While Not EOF(2)
                    Line Input #2, temp
                    temp = UTF2GB(temp)
                    If regTest.Test(temp) Then
                        Cells(j, COL_FILE) = tempstring
                        Cells(j, COL_ERROR) = "include chinese!"
                    End If
                Loop
            Close #2
请大家看看错在那里，就是判不出中文

Answer 4

读文本文件
默认的会认为文件格式是Ansi，读到内存会经过一个Ansi到Unicode的自动转换
读非Ansi文本文件最好用二进制方式

Answer 5

temp = UTF2GB(StrConv(temp, vbFromUnicode))这样子先转回ansi在转gb似乎也不起作用
另外：
            Open tempstring For Binary As #1
                ReDim byteTemp(FileLen(tempstring)) As Byte
                
                Get #1, , byteTemp                
                
                temp = StrConv(byteTemp, vbFromUnicode)
                temp = UTF2GB(temp)
                If regTest.Test(temp) Then
                    Cells(j, COL_FILE) = tempstring
                    Cells(j, COL_ERROR) = "include chinese!"
                End If
            Close #1
以上这段代码用二进制方式读取，但是也无法判断出中文，请问是不是我的正则表达是有问题？

Answer 6

楼主，我说的你没弄明白默认的会认为文件格式是Ansi，
读到内存会经过一个Ansi到Unicode的自动转换
但实际上文件不是Ansi，当Ansi来转换，内容已经全乱了
你再怎么转也没有用了二进制方式读出后，就是UTF-8编码
temp = StrConv(byteTemp, vbFromUnicode)
加这一句是什么意思？
二进制方式直接读到字符串就好了

Answer 7

二进制方式读出后，byteTemp是Byte数组
，我直接用regTest.Test(byteTemp)还是无法正确
识别出中文来，我的正则表达是是：regTest.Pattern = "^[\u4E00-\u9FA5]+$"
这样子写的，能否告知为什么还是无法识别中文吗？
是否正则表达是有问题？
谢谢