提到用正則表達式匹配漢字，很容易搜到這個[\u4e00-\u9fa5]，但是它不算全面，不包含一些生僻漢字。

本文對此問題做一個梳理。

以下是比較全面的漢字Unicode分布，參考Unicode 10.0標準（2017年6月發(fā)布）：

★ 如果想表示最普遍的漢字，用：

[\u4E00-\u9FFF]  或   [一-?]

共有20950個漢字，包括了常用簡體字和繁體字，镕等字。

基本就是GBK的所有（21003個）漢字。也包括了BIG5的所有（13053個）繁體漢字。

一般情況下這個就夠用了。

說明：

僅僅未包括出現(xiàn)在GBK里的CJK兼容漢字的21個漢字：郎凉秊裏隣兀嗀﨎﨏﨑﨓﨔礼﨟蘒﨡﨣﨤﨧﨨﨩

CJK兼容漢字用于轉(zhuǎn)碼處理，日常中是用不到的，所以不包括也沒什么問題。

注意此凉非彼涼，兀也不是常用的那個，雖然用眼睛看是一樣的，參見 http://www.zhihu.com/question/20697984

★ 如果想表示BMP之內(nèi)的漢字，也就是Unicode值<=0xFFFF之內(nèi)的所有漢字，用：

[\u4E00-\u9FFF\u3400-\u4DBF\uF900-\uFAFF]

這個包含但不限于GBK定義的漢字，共有28025個漢字。

說明：

和上面相比，主要是多了CJK統(tǒng)一漢字擴展A區(qū)，這是1999年收錄到Unicode 3.0標準里的6,582個漢字。

CJK統(tǒng)一漢字擴展A區(qū)，包括了東亞各地區(qū)（陸港臺日韓新越）的漢字，有很多康熙字典的繁體字。

★ 如果想盡可能表示所有的漢字，用：

[\u4E00-\u9FFF\u3400-\u4DBF\uF900-\uFAFF\U00020000-U0002EBEF]

這個包含上表的所有88342個漢字

說明：

1, 以上正則表達式不會匹配（英文、漢字的）標點符號，不會匹配韓國拼音字、日本假名。

2, 會匹配一些日本、韓國獨有的漢字。

3, 包含了一些沒有漢字的空位置，這通常不礙事。

4, \u及\U的正則語法在Python 3.5上測試通過。

有些正則表達式引擎不認\uFFFF和\UFFFFFFFF這樣的語法，可以換成\x{FFFF}試一下；有些不支持BMP之外的范圍，這就沒辦法處理CJK統(tǒng)一漢字擴展B~E區(qū)了，如notepad++。