資訊專欄INFORMATION COLUMN
小編寫這篇文章的一個主要目的，主要是給大家去做一個解答，解答的內(nèi)容主要還是python相關(guān)事宜，比如，可以用python正則表達(dá)式去匹配和提取中文漢字，那么，具體的內(nèi)容做法是什么呢？下面就給大家詳細(xì)解答下。
python用正則表達(dá)式提取中文
Python re正則匹配中文，其實非常簡單，把中文的unicode字符串轉(zhuǎn)換成utf-8格式就可以了，然后可以在re中隨意調(diào)用
unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達(dá)式u”[u4e00-u9fa5]+”可以表示一個或者多個中文字符
>>>import re
>>>s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>>s
u'u4e2du6587uff1a123456aau54c8u54c8u54c8bbcc'
>>>print s
中文：123456aa哈哈哈bbcc
>>>re.match(u"[u4e00-u9fa5]+",s)
<_sre.SRE_Match object at 0xb77742c0>
>>>pat='中文'.decode("utf8")
>>>re.search(pat,s)
<_sre.SRE_Match object at 0x16a16df0>
>>>newpat='這里是中文內(nèi)容'.decode("utf8")
>>>news=re.sub(pat,newpat,s)
>>>print news這里是中文內(nèi)容：123456aa哈哈哈bbcc
python正則如何匹配中文漢字
正則表達(dá)式匹配中文漢字，在實際應(yīng)用中十分常見。
比如：爬蟲網(wǎng)頁文本提取、驗證用戶輸入標(biāo)準(zhǔn)等。
以下面文本字符串為例，匹配出astr這個字符串中的所有漢字。
import re astr='''aaaaa何時when杖爾看see南雪snow，我me與梅花plum blossom兩白頭'''
下面介紹兩種方法（本文環(huán)境為python3）
一、使用Unicode編碼來匹配中文
常見的中文Unicode編碼范圍：u4e00-u9fa5
實現(xiàn)匹配代碼：re.findall(’[u4e00-u9fa5]’,astr)
import re
astr='''aaaaa何時when杖爾看see南雪snow，我me與梅花plum blossom兩白頭'''
res=re.findall('[u4e00-u9fa5]',astr)print(res)
匹配結(jié)果：
二、直接使用中文漢字實現(xiàn)中文匹配
沒使用過可能還真不知道，中文匹配還可以這樣
實現(xiàn)匹配代碼：re.findall(’[一-龥]’,astr)
import re
astr='''aaaaa何時when杖爾看see南雪snow，我me與梅花plum blossom兩白頭'''
res=re.findall('[一-龥]',astr)
print(res)匹配結(jié)果：
注：其實這里“一”對應(yīng)的Unicode編碼就是“u4e00”,“龥”（yù）對應(yīng)的Unicode編碼就是“u9fa5”。
常見非英文字符Unicode編碼范圍：
u4e00-u9fa5(中文)
u0800-u4e00(日文)
uac00-ud7ff（韓文）
綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)硪欢◣椭?/p>
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/128316.html
預(yù)編譯 import re re1 = re.compile(r元字符 組成的正則規(guī)則) # 元字符下面會說 re1.方法() # 方法下邊也會說 元字符： 表示普通字符： . # 除了 外 都可以匹配的到 d # 只匹配 純數(shù)字 0-9 D # 和 d相反， 除了數(shù)字全都匹配 ...
摘要：和均為非負(fù)整數(shù)，其中。如果之前至少個獲取的子表達(dá)式，則為后向引用。 注：本文轉(zhuǎn)自 摘取天上星的博客 PHP常用正則表達(dá)式 ^d+$ //非負(fù)整數(shù)（正整數(shù)+ 0） ^[0-9]*[1-9][0-9]*$ //正整數(shù) ^((-d+)|(0+))$ //非正整數(shù)（負(fù)整數(shù)+ 0） ^-[0-9]*[1-9][0-9]*$ //負(fù)整數(shù) ^-?d+$ //整數(shù) ^d+(.d+)?$ ...
摘要：參考代碼地址四制作字體模板把自己最常接觸的漢字找出來之后，需要制作一套字體模板，這套字體模板的用處是讓手寫漢字后，順利的找到對應(yīng)的漢字，這里需要依靠第三方網(wǎng)站提供的一些功能。 一、背景 筆者以前在網(wǎng)上看到有民間高手制作字體的相關(guān)事跡，覺得把自己的手寫字用鍵盤敲出來是一件很有意思的事情，所以一直有時間想制作一套自己的手寫體，前幾天在網(wǎng)上搜索了一下制作字體的方法，發(fā)現(xiàn)技術(shù)上并不是太難，結(jié)合...
摘要：能匹配中的，但不能匹配中的數(shù)量界定符符號定義是一個非負(fù)整數(shù)。則等價于和均為非負(fù)整數(shù)，其中。該方法接受一個正則表達(dá)式作為它的第一個參數(shù)。是一個非強(qiáng)制異常類，它表示一個正則表達(dá)式模式中的語法錯誤。 正則表達(dá)式及多語言操作指南 1. 正則表達(dá)式 正則表達(dá)式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個規(guī)則字符串，這個規(guī)則字符串用來表達(dá)對字符串的一...
摘要：能匹配中的，但不能匹配中的數(shù)量界定符符號定義是一個非負(fù)整數(shù)。則等價于和均為非負(fù)整數(shù)，其中。該方法接受一個正則表達(dá)式作為它的第一個參數(shù)。是一個非強(qiáng)制異常類，它表示一個正則表達(dá)式模式中的語法錯誤。 正則表達(dá)式及多語言操作指南 1. 正則表達(dá)式 正則表達(dá)式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個規(guī)則字符串，這個規(guī)則字符串用來表達(dá)對字符串的一...
閱讀 1068·2023-01-14 11:38
閱讀 1064·2023-01-14 11:04
閱讀 906·2023-01-14 10:48
閱讀 2382·2023-01-14 10:34
閱讀 1150·2023-01-14 10:24
閱讀 1028·2023-01-14 10:18
閱讀 657·2023-01-14 10:09
閱讀 735·2023-01-14 10:02
