包含中文标点的全字符Unicode范围查询及Python正则匹配提取问题

你之前列的仅为CJK表意汉字的范围，中文常用标点属于独立的Unicode分区，完整的中文语境常用字符范围如下：

• CJK表意汉字全区间：你列出的基本区、扩展A-D区、兼容区12个表意字符
• CJK符号与标点区（包含直角引号、顿号、书名号、间隔号等）：\u3000-\u303F
• 全角字符区（包含全角问号\uFF1F、全角感叹号\uFF01、全角逗号、全角句号、全角括号等）：\uFF00-\uFFEF
• 可选（如有拼音/注音匹配需求）：拼音/注音区间\u3100-\u312F

你原正则的捕获组字符集未包含全角问号、感叹号，因此匹配到汉字部分就中断，导致整体匹配失败。有两种修复方案：

方案1：原生re模块（无需第三方依赖） #

把缺失的中文标点范围加入字符集即可，修正后代码如下：

import re
sample3 = "「在看星星嗎？閣下！」"
# 字符集加入全角标点、CJK符号区间
result = re.search(r"\u300c([\u4e00-\u9fff\u31c0-\u31ef\u31f0-\u31ff\u3200-\u32ff\u3300-\u33ff\u3400-\u4dbf\u4dc0-\u4dff\u3000-\u303f\uff00-\uffef]+)\u300d", sample3)
if result:
    print(result.group(1)) # 输出：在看星星嗎？閣下！

方案2：使用第三方regex库（写法更简洁） #

如果允许安装依赖，可使用支持Unicode属性匹配的regex库，直接匹配中文汉字和标点，无需手动写范围：
首先执行安装命令：pip install regex
代码如下：

import regex
sample3 = "「在看星星嗎？閣下！」"
# \p{Han}匹配所有CJK汉字，\p{P}匹配所有标点
result = regex.search(r"\u300c([\p{Han}\p{P}]+)\u300d", sample3)
if result:
    print(result.group(1)) # 输出：在看星星嗎？閣下！

内容的提问来源于stack exchange，提问作者Raptor