快捷導(dǎo)航

Python匹配中文的正則表達式

更新時間：2016年05月11日 11:34:40 作者：jerrylsxu

正則表達式是一個特殊的字符序列，它能幫助你方便的檢查一個字符串是否與某種模式匹配。接下來通過本文給大家介紹Python匹配中文的正則表達式，感興趣的朋友一起學(xué)習(xí)吧

正則表達式并不是Python的一部分。正則表達式是用于處理字符串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益于這一點，在提供了正則表達式的語言里，正則表達式的語法都是一樣的，區(qū)別只在于不同的編程語言實現(xiàn)支持的語法數(shù)量不同；但不用擔(dān)心，不被支持的語法通常是不常用的部分。

Python正則表達式簡介

正則表達式是一個特殊的字符序列，它能幫助你方便的檢查一個字符串是否與某種模式匹配。

Python 自1.5版本起增加了re 模塊，它提供 Perl 風(fēng)格的正則表達式模式。

re 模塊使 Python 語言擁有全部的正則表達式功能。

compile 函數(shù)根據(jù)一個模式字符串和可選的標(biāo)志參數(shù)生成一個正則表達式對象。該對象擁有一系列方法用于正則表達式匹配和替換。

re 模塊也提供了與這些方法功能完全一致的函數(shù)，這些函數(shù)使用一個模式字符串做為它們的第一個參數(shù)。

以上說的都是給正文做鋪墊的，下面看下python正則表達式如何匹配中文的。

# -*- coding: utf-8 -*-
import re
def findPart(regex, text, name):
res=re.findall(regex, text)
if res:
print "There are %d %s parts:\n"% (len(res), name)
for r in res:
print "\t",r.encode("utf8")
print
text ="#who#helloworld#a中文x#"
usample=unicode(text,'utf8')
findPart(u"#[\w\u2E80-\u9FFF]+#", usample, "unicode chinese")

注：

幾個主要非英文語系字符范圍

2E80～33FFh：中日韓符號區(qū)。收容康熙字典部首、中日韓輔助部首、注音符號、日本假名、韓文音符，中日韓的符號、標(biāo)點、帶圈或帶括符文數(shù)字、月份，以及日本的假名組合、單位、年號、月份、日期、時間等。

3400～4DFFh：中日韓認(rèn)同表意文字?jǐn)U充A區(qū)，總計收容6,582個中日韓漢字。

4E00～9FFFh：中日韓認(rèn)同表意文字區(qū)，總計收容20,902個中日韓漢字。

A000～A4FFh：彝族文字區(qū)，收容中國南方彝族文字和字根。

AC00～D7FFh：韓文拼音組合字區(qū)，收容以韓文音符拼成的文字。

F900～FAFFh：中日韓兼容表意文字區(qū)，總計收容302個中日韓漢字。

FB00～FFFDh：文字表現(xiàn)形式區(qū)，收容組合拉丁文字、希伯來文、阿拉伯文、中日韓直式標(biāo)點、小符號、半角符號、全角

(
#!/usr/bin/python3
# -*- coding: UTF-8 -*-
import re
message = u'天人合一'.encode('utf8')
print(re.search(u'人'.encode('utf8'), message).group())
交互模式下的例子
>>> import re
>>> s='Phone No. 010-87654321'
>>> 
>>> r=re.compile(r'(\d+)-(\d+)')
>>> m=r.search(s)
>>> m
<_sre.SRE_Match object at 0x010EE218>
)

以上所述是小編給大家介紹的Python正則表達式匹配中文的方法，希望對大家有所幫助！

您可能感興趣的文章: