python 用正则表达式 提取单个中文或者多个中文组合

话不多说，了解下中文编码，我们中国的汉字编码是从/u4e00-/u9fa5，即/u4e00  到 /u9fa5

匹配单个中文，即每个中文都输出用的pattern是 r'[\u4e00-\u9fa5]'  , 其中r为转义字符., 举个例子：'12sdw这@F@#年$H$头^&*^%^猪都V#$sad会2b45b5*(上h45y45树3TNYT$%ver' 可以匹配出 ['这', '年', '头', '猪', '都', '会', '上', '树']

代码：

import re
match_obj = re.findall(r'[\u4e00-\u9fa5]','12sdw这@F@#年$H$头^&*^%^猪都V#$sad会2b45b5*(上h45y45树3TNYT$%ver')
print(match_obj)

结果：

D:\python_learning>C:/Users/Administrator/AppData/Local/Programs/Python/Python37/python.exe d:/python_learning/test.py
['这', '年', '头', '猪', '都', '会', '上', '树']

 

 

匹配多个连续中文，即把所有中文合并一起输出，对应的pattern 为 r'[\u4e00-\u9fa5]+' ,只比匹配单个中文多了一个 '+ ' , 意思为匹配一个或多个中文。举个例子：'12sdw这@F@#年$H$头^&*^%^猪都V#$sad会2b45b5*(上h45y45树3TNYT$%ver' 可以匹配出 这年头猪都会上树

代码:

import re
match_obj = re.findall(r'[\u4e00-\u9fa5]+','12sdw这@F@#年$H$头^&*^%^猪都V#$sad会2b45b5*(上h45y45树3TNYT$%ver')
print(match_obj)

结果：

D:\python_learning>C:/Users/Administrator/AppData/Local/Programs/Python/Python37/python.exe d:/python_learning/test.py
['这', '年', '头', '猪都', '会', '上', '树']

 

重点：假如你想输出 '这年头猪都会上树' 也是可以的，上面的match_obj其实都是list类型，通过''.join(match_obj)即可。

代码：

import re
match_obj = re.findall(r'[\u4e00-\u9fa5]','12sdw这@F@#年$H$头^&*^%^猪都V#$sad会2b45b5*(上h45y45树3TNYT$%ver')
print(''.join(match_obj))

同理pattern r'[\u4e00-\u9fa5]+' 也可以

import re
match_obj = re.findall(r'[\u4e00-\u9fa5]+','12sdw这@F@#年$H$头^&*^%^猪都V#$sad会2b45b5*(上h45y45树3TNYT$%ver')
print(''.join(match_obj))

同样都是输出:

D:\python_learning>C:/Users/Administrator/AppData/Local/Programs/Python/Python37/python.exe d:/python_learning/test.py
这年头猪都会上树