Python中正则表达式对中文的匹配问题

最新推荐文章于 2024-06-02 14:28:58 发布

原创最新推荐文章于 2024-06-02 14:28:58 发布 · 183 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

技术杂绘专栏收录该内容

19 篇文章

订阅专栏

本文介绍如何使用Python进行中文字符的正则表达式匹配，并提供了一段示例代码，包括源字符串解码为Unicode及正则表达式的编写。

　　今天在用python匹配中文的时候出了问题，要么匹配不到，要么乱码，搜索了一下，成功完成，写了一小段测试代码如下： import re source = "s2f程序员杂志一2d3程序员杂志二2d3程序员杂志三2d3程序员杂志四2d3" temp = source.decode('utf8') xx=u"([\u4e00-\u9fa5]+)" pattern = re.compile(xx) results = pattern.findall(temp) for result in results : print result 其中source为非unicode编码，要先将其转为unicode编码的temp
　　然后写正则表达式xx，其中u的前缀表示正则表达式也要为unicode编码，因为正则表达式要和被匹配的文本使用同样编码
　　unicode中中文的编码为\u4e00-\u9fa5
　　调用匹配后直接便可打印出正确文字，此时返回的结果也为unicode编码