Python正则表达式处理中文中的匹配

由于中文使用2个字节来表示一个字，在正则表达式中如果不进行转换的话，编译器是不能识别的，所以这里简要谈一下正则表达式中遇到中文的问题。

关于python的re模块的基本用法，与各种正则表达式的基本形式，在之前的一篇文章中，进行过介绍，故此处不再赘述。

下面是一段对中文进行正则表达式处理的例子：使用Python3.3

import re

msg = "这是一个例子"
pat1 = "是"
pat2 = "是(..){1,2}" # 两个..表示一个中文字
pat3 = "是(..){1,2}?"

res1 = re.search(pat1.encode('gbk'), msg.encode('gbk')) # 匹配出'是'
if res1 is not None:
    print(res1.group().decode('gbk'))

res2 = re.search(pat2.encode('gbk'), msg.encode('gbk')) # 匹配出'是一个'
if res2 is not None:
    print(res2.group().decode('gbk'))

res3 = re.search(pat3.encode('gbk'), msg.encode('gbk')) # 匹配出'是一'

if res3 is not None:
    print(res3.group().decode('gbk'))

res4 = re.search(pat1.encode('utf'), msg.encode('utf'))

if res4 is not None:
    print(res4.group().decode('utf'))

res5 = re.search('t.'.encode('utf'), 'this'.encode('utf'))

if res5 is not None:
    print(res5.group().decode('utf'))

中文一般是用‘gbk’进行编码。当使用‘utf’时只能处理确定的字，但不能模糊匹配，目前没弄清楚原因。