需求:從包含 HTML 標簽、腳本、樣式的頁面源碼中,精確提取所有漢字字符,過濾掉標簽、屬性、數字、英文、標點等非漢字內容。提供 VBScript 兩種實現:escape() 編碼判斷法、正則表達式 Unicode 範圍法。
<script language="vbscript">
Function FilterChinese(strInput)
Dim result, tempStr, i
result = ""
For i = 1 To Len(strInput)
tempStr = Mid(strInput, i, 1)
' escape() 將非 ASCII 字符編碼為 %uXXXX 格式
' 中文字符 Unicode > 255,escape 後以 %u 開頭
If Left(Escape(tempStr), 2) = "%u" Then
result = result & tempStr
End If
Next
FilterChinese = result
End Function
Dim str
str = "怎樣從一個Html頁面中提取所有漢字呢?不能有其它Html代碼。"
MsgBox FilterChinese(str) ' 輸出: 怎樣從一個Html頁面中提取所有漢字呢不能有其它Html代碼
</script>
<script language="vbscript">
Function RegExpTest(patrn, strng)
Dim regEx, Match, Matches, RetStr
Set regEx = New RegExp
regEx.Pattern = patrn
regEx.IgnoreCase = True
regEx.Global = True
Set Matches = regEx.Execute(strng)
For Each Match In Matches
RetStr = RetStr & Match.Value
Next
RegExpTest = RetStr
End Function
' 基本漢字區塊: U+4E00-U+9FA5 (CJK Unified Ideographs)
' 擴展區: U+3400-U+4DBF, U+20000-U+2A6DF 等
Dim str
str = "怎樣從一個Html頁面中提取所有漢字呢?不能有其它Html代碼。"
MsgBox RegExpTest("[\u4e00-\u9fa5]", str)
</script>
| 維度 | escape() 判斷法 | 正則 Unicode 範圍法 |
|---|---|---|
| 原理 | 利用 escape 非 ASCII 編碼為 %uXXXX | 直接匹配 Unicode 碼位範圍 |
| 準確性 | 包含所有非 ASCII (日韓文、符號、Emoji 等) | 可精確控制範圍 (基本區/擴展區/兼容區) |
| 性能 | 逐字符循環,O(n) 函數調用開銷大 | 引擎優化,單次執行,速度快 |
| 瀏覽器支持 | 僅 IE 支持 VBScript | 現代 JS 完美支持 |
// 基本漢字 (CJK Unified Ideographs: 4E00-9FFF)
function extractChineseBasic(str) {
return str.match(/[\u4e00-\u9fa5]/g)?.join('') || '';
}
// 包含擴展區 A (3400-4DBF) - 生僻字
function extractChineseExtended(str) {
return str.match(/[\u3400-\u4dbf\u4e00-\u9fff]/g)?.join('') || '';
}
// 完整漢字 (含擴展區 B 等, 需 Unicode 13+ / ES2024)
function extractChineseFull(str) {
// 使用 Unicode 屬性轉義 (ES2018+)
return str.match(/\p{Script=Han}/gu)?.join('') || '';
}
// 測試
const html = `<div>你好<span>世界</span>! 2024年</div>`;
console.log(extractChineseBasic(html)); // "你好世界年"
console.log(extractChineseExtended(html)); // 同上
console.log(extractChineseFull(html)); // 同上 (含更多生僻字支持)
[\u3000-\u303f] (CJK Symbols)\p{Script=Han} 或 surrogate pair 處理