python正則表達式匹配中文
『壹』 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
『貳』 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
『叄』 python怎麼獲取正則表達式匹配文之後的數據
可以使用re模塊中的search或finditer函數來獲取正則表達式匹配的文本之後的數據。search函數返回第一個匹配的對象，finditer函數返回一個迭代器，可慎虛沒洞以遍歷所有匹配對象。在匹配對象上寬察燃調用group()函數可以獲取匹配的數據。
示例代碼：
『肆』 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。
『伍』 Python用正則表達式匹配含有中文的字元串，匹配不到
代碼如下：
#coding=utf-8
importre
s=u'<li><aclass="nav-first"href="/">首頁</a></li>'
r=re.compile(u'<li><asclass="[^"]*"shref="[^"]">(.*?)(?=</a></li>)')
ss=r.findall(s)
forstrinss:
printstr
運行結果：
『陸』 如何用Python正則表達式去匹配漢字加字母加數字的字元串
# -*- coding: utf-8 -*-
import re
pattern = re.compile(r'[\'白\'\'藍\'\'綠\'\'黃\']{1}[A-Z]{1}[A-Z0-9]{5}')
match = pattern.match('黃A')
if match:
print "OK"
else:
print "not ok"
『柒』 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
『捌』 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 。
『玖』 python的re，正則表達式，可以用中文么
解決了>>>
a='中文'>>>
a'\xd6\xd0\xce\xc4'>>>
import
re>>>
mytestre=re.compile('\xd6\xd0\xce\xc4')>>>
b='中文asdf223中文ss'>>>
mytestre.sub('zw',b)'zwasdf223zwss'>>>復制代碼關鍵是要找到中文相應coding對應的編碼，這里中文='\xd6\xd0\xce\xc4'所以，就用\xd6\xd0\xce\xc4代替中文就可以了，如果是其他編碼，也用類似的方法找到編碼的字元串就可以了，沒測試過，應該是這樣的。哈哈。:mrgreen: