python正则中如何匹配汉字以及encode(‘utf |
您所在的位置：网站首页 › 汉字张的unicode编码Python › python正则中如何匹配汉字以及encode(‘utf |
python正则中如何匹配汉字以及encode(‘utf
|
正则表达式： [\u2E80-\u9FFF]+$ 匹配所有东亚区的语言 [\u4E00-\u9FFF]+$ 匹配简体和繁体 [\u4E00-\u9FA5]+$ 匹配简体 正则表达式速查表：https://www.jb51.net/shouce/jquery1.82/regexp.html 1 1 # -*- coding:utf-8 -*- 2 2 3 3 import re 4 4 5 5 ''' 6 6 python 3.5版本 7 7 正则匹配中文，固定形式：\u4E00-\u9FA5 8 8 ''' 9 9 10 10 words = 'study in 山海大学' 11 11 regex_str = ".*?([\u4E00-\u9FA5]+大学)" 12 12 match_obj = re.match(regex_str, words) 13 13 if match_obj: 14 14 print(match_obj.group(1)) 15 15 16 16 17 17 结果：山海大学
这里面表示的是一个正则表达式语句的啦，http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html Python添加对Unicode的支持，以Unicode表示的字符串用u’ABC’来表示。 字符串’xxx’虽然是ASCII编码，但也可以看成是UTF-8编码，而u’xxx’则只能是Unicode编码。 把u’xxx’转换为UTF-8编码的’xxx’用encode(‘utf-8’)方法。 1 >>> u'ABC'.encode('utf-8') 2 'ABC' 3 >>> u'中文'.encode('utf-8') 4 '\xe4\xb8\xad\xe6\x96\x87反过来，把UTF-8编码表示的字符串’xxx’转换为Unicode字符串u’xxx’用decode(‘utf-8’)方法。 1 >>> 'abc'.decode('utf-8') 2 u'abc' 3 >>> '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') 4 u'\u4e2d\u6587' 5 >>> print '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') 6 中文由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行： 1 #!/usr/bin/env python 2 # -*- coding: utf-8 -*-第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释； 第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。 关于Python正则表达式匹配中文：这里边重点用到了 r'[\u4e00-\u9fa5]+' 的正则规则，表示1到多个任意汉字。 1 import re 2 str=u"【心理箴言】现实是污浊的河流，要想接受污浊的河流而自身不被污染，我们必须成为大海。 =-=4845/.?'" 3 # py2.7，所以字符串前加u，在正则表达式前也加u即可。 4 # pattern =re.compile(u'[\u4e00-\u9fa5]') 5 pattern =re.compile(r"[\u4e00-\u9fa5]+") 6 result=pattern.findall(str) 7 result1=re.findall(pattern,str) 8 for w in result: 9 print(w) 10 11 str1='hjggj小vjjk明' 12 pat=re.compile(r'[\u4e00-\u9fa5]+') 13 result=pat.findall(str1) 14 print(result)运行结果：
见 Unicode 中文编码表： https://www.bejson.com/convert/unicode_chinese/
|
【本文地址】
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |