吉林电视台电视剧:python正则表达式匹配中文

来源:百度文库 编辑:中财网 时间:2024/04/29 04:42:27
# -*- coding: utf-8 -*-import redef findPart(regex, text, name):    res=re.findall(regex, text)    if res:        print "There are %d %s parts:\n"% (len(res), name)        for r in res:            print "\t",r.encode("utf8")        print text ="#who#helloworld#a中文x#"usample=unicode(text,'utf8')findPart(u"#[\w\u2E80-\u9FFF]+#", usample, "unicode chinese")
注:
几个主要非英文语系字符范围
2E80~33FFh:中日韩符号区。收容康熙字典部首、中日韩辅助部首、注音符号、日本假名、韩文音符,中日韩的符号、标点、带圈或带括符文数字、月份,以及日本的假名组合、单位、年号、月份、日期、时间等。3400~4DFFh:中日韩认同表意文字扩充A区,总计收容6,582个中日韩汉字。4E00~9FFFh:中日韩认同表意文字区,总计收容20,902个中日韩汉字。A000~A4FFh:彝族文字区,收容中国南方彝族文字和字根。AC00~D7FFh:韩文拼音组合字区,收容以韩文音符拼成的文字。F900~FAFFh:中日韩兼容表意文字区,总计收容302个中日韩汉字。FB00~FFFDh:文字表现形式区,收容组合拉丁文字、希伯来文、阿拉伯文、中日韩直式标点、小符号、半角符号、全角
(
#!/usr/bin/python3# -*- coding: UTF-8 -*- import remessage = u'天人合一'.encode('utf8')print(re.search(u'人'.encode('utf8'), message).group())
交互模式下的例子

      >>> import re
      >>> s='Phone No. 010-87654321'
      >>>
      >>> r=re.compile(r'(\d+)-(\d+)')
      >>> m=r.search(s)
      >>> m
       <_sre.SRE_Match object at 0x010EE218>

)