Python中提取指定字符串 取出中间文本 正则表达式

Python中提取指定字符串,从一个字符串中提取<>里面的内容,整理了两种实现方式,后续有更多的实现方式继续更新 
代码如下:

#coding:utf8
import re
import sys
reload(sys)
sys.setdefaultencoding('utf8')
#!/usr/bin/python
template = "我要<歌手名>的<歌曲名>"

def subString1(template):
    copy = False
    finished = False
    slotList = []
    str = ""
    for s in template:
        if s=='<':
            copy = True
        elif s=='>':
            copy = False
            finished = True
        elif copy:
            str = str+s
        if finished:
            slotList.append(str)
            str = ""
            finished = False
    return slotList

def subString2(template):
    rule = r'<(.*?)>'
    slotList = re.findall(rule, template)
    return slotList


slotList = subString1(template)
for slot in slotList:
    print slot

slotList = subString2(template)
for slot in slotList:
    print slot
### 如何使用Python正则表达式匹配中文字符 在Python中,可以利用`re`模块中的正则表达式来实现对中文字符的匹配。中文字符通常位于Unicode编码范围内,因此可以通过定义特定的Unicode范围来进行匹配。 #### 使用Unicode范围匹配中文字符 中文字符主要分布在`\u4e00-\u9fff`这个Unicode区间内。为了匹配这些字符,可以在正则表达式指定该范围。例如: ```python import re pattern = r'[\u4e00-\u9fff]+' # 定义匹配中文字符的正则表达式[^1] text = "你好,这是一个测试字符串 Hello World!" result = re.findall(pattern, text) print(result) # 输出:['你好', '这是', '一个', '测试', '字符串'] ``` 上述代码片段展示了如何通过正则表达式提取一段文本中的所有连续中文字符,并将其作为列表返回。 --- #### 处理多行文本并忽略大小写 如果需要处理包含换行符或多行的复杂文本,则应考虑加入`re.S`标志以使`.`能够匹配换行符。此外,还可以结合其他标志如`re.IGNORECASE`来忽略大小写的差异。 ```python text_multiline = """这是一段 跨行的文字, 其中还包含了英文单词 like Python 和 Java.""" # 添加 re.S 标志以便支持多行匹配 result_multiline = re.findall(r'[\u4e00-\u9fff]+', text_multiline, re.S) print(result_multiline) # 输出:['这是一段', '跨行的文字', '其中还包含了'] # 如果还需要忽略大小写(尽管对于中文无意义),可额外添加 re.IGNORECASE result_ignore_case = re.findall(r'[a-z\u4e00-\u9fff]+', text_multiline, flags=re.S | re.IGNORECASE) print(result_ignore_case) # 结果会同时捕获英文字母和汉字[^2] ``` --- #### 提取带有上下文的中文字符 有时可能不仅希望找到单独的中文字符,而是想获它们所在的整个子串或者其周围的环境信息。此时可以借助分组括号`()`以及`.group()`方法完成更精细的操作。 ```python text_context = "《三国演义》是中国四大名著之一,作者罗贯中。" # 匹配书名号内的内容 match_book_title = re.search(r'《([\u4e00-\u9fff]+)》', text_context) if match_book_title: book_name = match_book_title.group(1) # group(1): 只取出第一个括号的内容 print(f"书籍名称为: {book_name}") # 输出:书籍名称为: 三国演义 else: print("未发现符合条件的结果") ``` 此示例说明了当目标是某些特殊标记包围下的具体部分时,应该如何构建合适的正则模式[^3]。 --- #### 常见错误及其修正方式 一些初学者可能会尝试直接用简单的字母表征法去表示中文字符,比如`[一-龥]`这样的形式虽然理论上可行,但由于实际使用的字体集庞大且不完全连贯,容易遗漏边缘情况;相比之下采用标准Unicode区间的方案更加稳健可靠[^4]。 另外需要注意的是,在涉及国际化场景的应用程序开发过程中,除了基本的简化字外还需兼顾繁体字以及其他东亚语言符号的支持需求——这时建议扩展至更大的Unicode集合,例如覆盖日语平假名片假名(`\u3040-\u30ff`)或韩文谚文(`\uac00-\ud7af`)等区域[^5]。 ---
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

安果移不动

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值