python - 如何正則字符串中的所有漢字

問題描述

這樣算嗎？121238asdf<img src='https://imgsa.baidu.com/forum/w%3D580/sign=da0493cd90ef76c6d0d2fb23ad14fdf6/e483aa4bd11373f0bddb2e73a40f4bfbf9ed04b1.jpg' height='420'>

字符串如上，類型是’str’，要正則獲得漢字。我之前使用[u4e00-u9fa5]結果獲得的還是英文，符號跟數字的list。求教導正確姿勢。另外說說我哪里寫錯了..

pattern = re.compile(r’[u4E00-u9FA5]’)print pattern.findall(x[1])

這是我寫的...但是返回結果就沒有漢字，反而是除漢字外的其他字符。

問題解答

我這里假設你需要匹配的文本為s：

pattern = re.compile(ur'[u4e00-u9fa5]')print pattern.findall(s.decode(’utf8’))

這里的decode(’utf8’)是怕s的值為類似x66x77x88這樣的Unicode散列。另外，需要注意compile()中ur修飾符，u為Unicode修飾符。

PS：我是從這篇文章得到的啟發。

剛才看了下樓下說的，確實用Python 3就不存在輸出為Unicode散列的情況了，以下摘自此處

在Python2中，普通字符串是以8位ASCII碼進行存儲的，而Unicode字符串則存儲為16位unicode字符串，這樣能夠表示更多的字符集。使用的語法是在字符串前面加上前綴 u。

在Python3中，所有的字符串都是Unicode字符串。

你用的是python2，uxxxx是unicode字符，匹配后得到的是字節串，print出來是各個字節值。

換python3 就沒這個問題了