bensonrachel的博客

第一步，先把字符串转为Unicode编码：file=str.decode('utf-8')#把utf-8的编码变成Unicode 第二步，利用正则表达式作为匹配匹配出中文（可以用来在中文文章中去除所有标点）pattern = re.compile(u'[\u4e00-\u9fa5]+')这句最重要，注意细节。filterdata = re.findall(pattern, file)这样filte...