【python】解析中英文

# -*- coding:UTF-8 -*-
import re
import sys

test = "<span>上联：光换kindle不读书，穷烧耳机不听歌。"
print test
if sys.version_info < (3, 4):  #python 判断 :https://segmentfault.com/q/1010000000127878
        pattern = re.compile('[\x80-\xff]+')
else:
        pattern = re.compile('[\u4e00-\u9fa5]+')
items = re.findall(pattern,test)
for item in items:
        print item

第一句话表明，我们使用的是UTF8格式，所以使用

print test

输出正常。

接下来我们解析中文，因为不同的python版本，使用不同的规则，见山所述。

注意：这是针对只包含中英文字符串的匹配方法，多语言字符串中找出中文用这种方式是不行的。而且他只能输出中文，如果在中文中夹杂着英文就不行了。关于中文夹杂英文，我们见下一篇文章。