utf-8下匹配中文字符

4e00 到 9fa5 是 UTF-16 的 …… 而且不能匹配一些生僻汉字。 
Ruby 1.9 比较好办，但是 1.8.6 目前用得最广泛，下面给几个 1.8 下面的解决方案。 

方案一：匹配 UTF-16 

先准备待测字符串 s。 

如果在编码为 utf-8 的源文件中 

Ruby代码 

1. require 'iconv'  
2. s = Iconv.conv 'utf-16be', 'utf-8', "测试"  

如果在 windows 控制台下

Ruby代码 

1. require 'iconv'  
2. s = Iconv.conv 'utf-16be', 'gbk', "测试"  

注意一个汉字是两字节，所以把正则改写成： 

Ruby代码 

1. /^(?:[/x4e-/x9e][/x00-/xff]|/x9f[/x00-/xa5])+$/n =~ s  

方案二：匹配 utf-8 
UTF-8 是 UTF-16 插入一些东西弄成的： 
1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 

所以汉字码点是从 e4b880 到 e9bea5，写成正则就是 4 段…… 
/xe4[/xb8-/xbf][/x80-/xbf] 
[/xe5-/xe8][/x80-/xbf][/x80-/xbf] 
/xe9[/x80-/xbd][/x80-/xbf] 
/xe9/xbe[/x80-/xa5] 

结论，先保证字符串 s 的编码是 UTF-8 （在 rails 应用中一般全部都默认是 UTF-8），然后 

Ruby代码 

1. /^(?:/xe4[/xb8-/xbf][/x80-/xbf]|[/xe5-/xe8][/x80-/xbf][/x80-/xbf]|/xe9[/x80-/xbd][/x80-/xbf]|/xe9/xbe[/x80-/xa5])+$/n =~ s