python用正则表达式提取中文

最新推荐文章于 2025-11-23 09:00:00 发布

转载最新推荐文章于 2025-11-23 09:00:00 发布 · 4w 阅读

Python爬虫专栏收录该内容

55 篇文章

订阅专栏

本文介绍如何使用Python的正则表达式匹配中文字符。通过将中文Unicode范围转换为utf-8格式，可以轻松实现对中文字符串的有效匹配。文中提供了具体的代码示例，展示如何进行中文匹配与替换。

部署运行你感兴趣的模型镜像

Python re正则匹配中文，其实非常简单，把中文的unicode字符串转换成utf-8格式就可以了，然后可以在re中随意调用
unicode中中文的编码为/u4e00-/u9fa5，因此正则表达式u”[\u4e00-\u9fa5]+”可以表示一个或者多个中文字符
>>> import re

>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u'\u4e2d\u6587\uff1a123456aa\u54c8\u54c8\u54c8bbcc'
>>> 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='这里是中文内容'.decode("utf8")

>>> news=re.sub(pat,newpat,s)
>>> print news
这里是中文内容：123456aa哈哈哈bbcc

from:http://blog.aizhet.com/web/12078.html

您可能感兴趣的与本文相关的镜像