VBA：正则表达式(5) -提取中文内容

示例：数据保存在A列中，需要将其中的中文字符提取至B列。

1 中文字符集

CJK（CJK Unified Ideographs，中日韩统一表意文字）字符集中了从0x4E00到0x9FA5的连续区域，包含了 20902 个来自于中国、韩国、日本的汉字，涵盖了多数中文字符，可以说CJK是GB2312-80和BIG5等字符集的超集。

0x4E00和0x9FA5分别对应中文中的哪个字呢？在Word中使用【符号】对话框将可以进行查询，如下图所示。

（1）0x4E00

（2）0x9FA5

0x4E00对应汉字【一】，0x9FA5对应汉字【龥】，这个字属于古汉字，其读音为yù。

在不同的字体（Font）中，0x9FA5不一定是CJK统一汉字的最后一个字。但是，一般情况下使用[一-龥]匹配汉字就足够了。由于输入龥字比较麻烦，直接使用16进制的字符编码[\u4e00-\u9fa5]来表示中文字符集更加方便。

2 代码实现

回到正文开头，采用的VBA代码如下：

Option Explicit

Sub RegExpChinese()
    
    '提取中文内容
    
    Dim objRegEx As Object
    
    Dim obj As Range, strTxt As String

    Set objRegEx = CreateObject("vbscript.regexp")
    
    'objRegEx.Pattern = "[^一-龥]"
    objRegEx.Pattern = "[^\u4e00-\u9fa5]"
    
    objRegEx.Global = True
    
    For Each obj In Range([A1], Cells(Rows.Count, 1).End(xlUp))
    
        strTxt = Trim(obj.Value2)
        
        obj.Offset(0, 1).Value2 = objRegEx.Replace(strTxt, "")
        
    Next
    
    Set objRegEx = Nothing
    
    MsgBox "Done!"
    
End Sub

（1）[^\u4e00-\u9fa5]，用于匹配非中文字符，方括号中的^代表字符集的否定，即不包含指定的字符集。

延伸阅读：

（1）超集

如果一个集合S2中的每一个元素都在集合S1中，且集合S1中可能包含S2中没有的元素，则集合S1就是S2的一个超集，反过来说，S2是S1的子集。

参考资料：

[1] VBA之正则表达式（5）-- 中文字符（https://blog.csdn.net/taller_2000/article/details/88374471）

[2] 超集（https://baike.baidu.com/item/%E8%B6%85%E9%9B%86/1059571）

[3] 正则表达式之匹配中文（https://www.w3cschool.cn/regexp/nck51pqj.html）