正则如何匹配繁体字？

Question

需求是：在文章中，匹配到繁体字并将其去掉。
最初想使用匹配unicode的方法，后发现无效，没了思路。
请问如何解决？

Answer 1

没啥好的方案。。因为 Unicode 的排序是根据笔画来的，而正则匹配 Unicode 也是，解决方案就是创建字典，然后字典检查，比如下面在 github 上的两个开源项目，都是这种采用字典的方式。

• https://github.com/fengqi/han...
• https://github.com/RobinQu/si...

Answer 2

可以考虑 gb2312 字符集？ 不在这个字符集的就是繁体字。 （当然不是很准确，有可能误杀）