すべての漢字を取り出す正規表現 - totonのブログ
http://www.unixuser.org/~euske/doc/python/sample.py.html # 日本語トークンを切り出すための正規表現。 JP_TOKEN = re.compile(u"[一-龠]+|[ぁ-ん]+|[ァ-ヴ]+|[a-zA-Z0-9]+") http://www.ascii.co.jp/pb/ascii/archive/aftercare/1999.html ﹇亜-煕﹈はJIS漢字を検出するときに使う正規表現になります。 本文中で触れている﹁一太郎Lite2﹂の正規表現はUnicode仕様なので，すべての漢字を検出するには，[一-龠]を使用してください︵龠は音読みで﹁ヤク﹂，訓読みで﹁ふえ﹂，Unicodeでは﹁9FA0﹂にあたります︶。 追記 ※﹁すべての漢字を取り出す正規表現﹂については、id:toton:20051105 に記事を追加しました。
PythonのUnicodeEncodeErrorを知る - HDEラボ
