python漢字正則
1. python正則表達式中\w居然能匹配漢字，請問是怎麼一回事
\w匹配的是能組成單詞的字元，在python3 中re默認支持的是unicode字元集，當然也支持漢字
如果要讓\w僅支持英文，加個re.A標志
print(re.findall(r"\w",s,re.A))
這樣就不會匹配漢字了
2. python，用正則表達式匹配特定漢字
在Python的string前面加上『r』， 是為了告訴編譯器這個string是個raw string，不要轉意backslash '\' 。 例如，\n 在raw string中，是兩個字元，\和n， 而不會轉意為換行符。由於正則表達式和 \ 會有沖突，因此，當一個字元串使用了正則表達式後，最好在前面加上'r'。
在[]中
-長用來指定一個字元集，在這個字元集中的一個可以拿來匹配：[abc] [a-z]
-元字元在在字元集中不起作用
-在[]內用^表示補集，用來匹配不在區間范圍內的字元
s=r'aba' 匹配abc
s=r't[io]p' 匹配tip或者top
s=r't[a-z0-9A-Z]'匹配t+0-9或者a-z或者A-Z
[abc]表示「a」或「b」或「c」
[0-9]表示0~9中任意一個數字，等價於[0123456789]
[\u4e00-\u9fa5]表示任意一個漢字
[^a1<]表示除「a」、「1」、「<」外的其它任意一個字元
[^a-z]表示除小寫字母外的任意一個字元
3. python怎麼用正則表達式提取中文
Python re正則匹配中文，其實非常簡單，把中文的unicode字元串轉換成utf-8格式就可以了，然後可以在re中隨意調用
unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達式u」[\u4e00-\u9fa5]+」可以表示一個或者多個中文字元
>>> import re
>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u'\u4e2d\u6587\uff1a123456aa\u54c8\u54c8\u54c8bbcc'
>>> print s
中文：123456aa哈哈哈bbcc
>>> re.match(u"[\u4e00-\u9fa5]+",s)
<_sre.SRE_Match object at 0xb77742c0>
>>> pat='中文'.decode("utf8")
>>> re.search(pat,s)
<_sre.SRE_Match object at 0x16a16df0>
>>> newpat='這里是中文內容'.decode("utf8")
>>> news=re.sub(pat,newpat,s)
>>> print news
這里是中文內容：123456aa哈哈哈bbcc
from:http://blog.aizhet.com/web/12078.html
4. python編程語言中的正則表達式求解
正則式：(.*?)<(/?w+)[^>]*>(?:([^<]*)(<.*>)?)?
(.*?)
這里的.*代表任意長度的字元，後面的?表明這是一個非貪婪匹配，()作用是捕獲匹配的文本；
<(/?w+)[^>]*>
<先匹配一個「<」；
(/?w+)「/?」將匹配0個或一個「/」，「w+」匹配1個以上的字母或數字或下劃線或漢字；
[^>]*中括弧內將匹配除>以外的任何字元，*表示允許這樣的字元出現0次或任意多次；
>最後匹配一個「>」；
這幾個部分連起來看，將匹配任何的HTML頭標簽與尾標簽，如<div>或</div>或<br />。
(?:([^<]*)(<.*>)?)?
(?:exp)?這個結構是匹配exp語句0次或1次，這里的exp就是([^<]*)(<.*>)?
([^<]*) 與2中類似，將匹配除<以外的任何字元0次或任意多次；
(<.*>)? 匹配以<開頭，以>結尾的任何字元串；
所以最終的意思是，匹配連續兩個HTML標簽（頭標簽或尾標簽）及其中間的內容。
5. python 正則匹配中文問題
list列印是這樣的，這是python的系統行為，改變不了。
如果不想用循環，可以用 print(u"\n".join(items))
6. python正則匹配漢字
#python2使用如下即可：
#encoding:UTF-8
importre
importsys
reload(sys)
sys.setdefaultencoding('utf-8')
defextract_number(input):
match=re.search(u"[u4e00-u9fa5]+",input)
returnmatch.group()
if__name__=="__main__":
printextract_number(unicode("dss2第三季度建安大sdssd43fds",'utf8'))#python3使用如下:
#encoding:UTF-8
importre
defextract_number(input):
match=re.search("[u4e00-u9fa5]+",input)
returnmatch.group()
if__name__=="__main__":
print(extract_number("dss2第三季度建安大sdssd43fds"))
7. python怎麼用正則表達式提取中文
1、字元串line='ufeffD0002044x01大數據x01數據分析x01技術x01工具x01應用
'
想提取出其中的「大數據」，「數據分析」，「技術」，「工具」，「應用」這些中文，用了正則表達式：
>>>pat2='x01(.*?)'
>>>rs=re.compile(pat2).findall(line)
>>>print(rs)
['','','','','']
顯示的結果是空，請問如何才能正確的提出中文部分。
2、原文： 法規名稱:'《中華人民共和國合同法》',Items:[{法條名稱:'第五十二條'
匹配成： 《中華人民共和國合同法》第五十二條
(?<=法規名稱:').*?（',Items:[{法條名稱:'）.*?(?=') 請問這樣匹配哪裡錯了？Python報sre_constants.error: unterminated character set at position 22
3、Python re正則匹配中文，其實非常簡單，把中文的unicode字元串轉換成utf-8格式就可以了，然後可以在re中隨意調用
unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達式u」[u4e00-u9fa5]+」可以表示一個或者多個中文字元
>>> import re
>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u''
>>> print s
中文：123456aa哈哈哈bbcc 。
8. 更強大的python正則表達式模塊 -- regex
python內置的正則表達庫re比較弱，而且似乎在好幾年裡都沒太大的變化。
這里介紹這個python模塊regex,實現了更多方便好用的功能。
比如： p{han} 可以匹配漢字， p{Latin} 可以匹配拉丁字母。相當簡單,易記易用。
更多的介紹請直接看： https://pypi.python.org/pypi/regex
用pip 命令安裝即可
regex的源碼託管在這里 ： https://bitbucket.org/mrabarnett/mrab-regex/
參考資料:
http://www.regular-expressions.info/unicode.html
2017-1-28 1:32:59 codegay
9. Python re函數 中文正則匹配
建議使用以下正則表達式：
(?<=>)[^a-zA-Z0-9_]+(?=<)
前面的 (?<=>) 和後面的 (?=<) ，使得匹配出現在> . . . < 之間；
[^a-zA-Z0-9_]+ 排除對英文數字下劃線的匹配，可根據具體情況作變動。