如何区分四字节unicode和两字节unicode

 　　最近遇到一个项目，需要对古文做检索，需要支持到方正超大字符集，也可以说是unicode 5.0。查阅相当多的资料，都不得其解，后来终于搜索到一句“其中第一个字的范围是:d800-dbff,第二个字的范围是：dc00-dfff”，赶紧采用正则匹配，果不其然，很容易区分出了四字节的汉字。将我的代码贴出来，希望对大家有用。

 

Regex rxurl = new Regex("[/ud800-/udbff][/udc00-/udfff]");MatchCollection mc = rxurl.Matches(content);