3.2.5.10 识别中文的正则表达式

3.2.5.10 识别中文的正则表达式

在我们编写程序时，经常需要判断输入的字符是否包括有中文字符，比如特定的注册帐号，一般不支持中文字符。又比如在电话输入框里输入了中文字符，这时就需要正则表达式来判断是否合法了。

例子：

import re

 

print('[u4e00-u9fa5]')

m = re.findall('[\u4e00-\u9fa5]', 'abc abc 中国 456')

if m:

    print(m) 

结果输出如下：

[u4e00-u9fa5]

['中', '国']

在这里使用正则表达式[\u4e00-\u9fa5]来定义一个集合，也就是从0x4e00开始到0x9fa5的集合，只要在这个集合内的字符都匹配成功。

 

3.2.5.11 双字节的字符识别

我们知道双字节的字符，肯定是两个字符组成，大于255的字符，由此可知，如果不在0x00-0xff集合里的字符，那么就是双字节字符了。

例子：

print('[^x00-xff]')

m = re.findall('[^\x00-\xff]', 'abc abc 中国 456')

if m:

    print(m) 

结果输出如下：

[^x00-xff]

['中', '国']

在这里使用了正则表达式[^\x00-\xff]，这里使用^符号来表示取反的意思，就是非0x00-0xff的字符就匹配成功，所以结果只输出中国这两个字符。

 

蔡军生 微信号：shenzhencai  深圳