Unicode编码相关的常用正则表达式：匹配与校验写法

Unicode 编码转换通常指把文字写成 Unicode 码点的转义形式，例如“中”的码点是 U+4E2D，写成 \u4e2d。下面重点说明匹配与校验写法。

Unicode编码相关的常用正则表达式

• 匹配 \uXXXX 转义：\\u[0-9a-fA-F]{4}
• 匹配常用汉字（基本区）：[\u4e00-\u9fff]
• 匹配零宽字符：[\u200b-\u200f\ufeff]

不同语言中反斜杠可能需要再转义一次；用于校验时记得加上 ^ 和 $。

示例

输入：a+b=c

转换结果：a+b=c

说明：非 ASCII 字符写成 \uXXXX，ASCII 原样保留。

规则说明

• JSON、JavaScript、Java 字符串支持 \uXXXX
• Python 字符串支持 \uXXXX 和 \UXXXXXXXX（8 位）
• ES6 起 JavaScript 支持 \u{1F600} 写法
• CSS 中写作 \4E2D，HTML 中写作 中

JavaScript 示例

下面是 JavaScript 中处理Unicode编码的常用写法：

const s = "中文😀";
[...s].map(c => "U+" + c.codePointAt(0).toString(16).toUpperCase());
// ["U+4E2D","U+6587","U+1F600"]
JSON.parse('"\\u4e2d"');  // "中"

运行前确认输入的字符集（推荐 UTF-8），结果可以用本站工具交叉核对。

本站的Unicode转换工具可以直接处理，计算在浏览器本地完成，适合快速核对结果。

常见问题

【emoji 为什么是两个 \u？】emoji 码点大于 U+FFFF，在 UTF-16 中用一对代理项表示。

【汉字的 Unicode 范围是多少？】常用汉字在 U+4E00–U+9FFF，扩展区 A 在 U+3400–U+4DBF，更多扩展区在 U+20000 以上。

【JSON 里的中文变成 \u 怎么办？】这是合法的 JSON，解析后会还原；Python 可用 json.dumps(obj, ensure_ascii=False) 直接输出中文。

文中示例可以在本站对应工具中验证；处理密码、证件号等敏感数据时，请注意保护隐私。

标签： 编码 文本处理