python正則匹配中文
Ⅰ 如何用正則表達式提取字元串中的中英文
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
Ⅱ 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
Ⅲ 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：
Ⅳ python怎樣讀取文本文件里的中文
#在Windows 環境下
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
import re
fin = open('in.txt', 'r') #以讀的方式打開輸入文件
for eachLine in fin: #按行讀入文件內容
line = eachLine.strip().decode('gbk', 'utf-8') #處理前進行相關的處理，包括轉換成Unicode等
print line #列印原始字元
p2 = re.compile(ur'[^\u4e00-\u9fa5]') #中文的編碼范圍是：\u4e00到\u9fa5
zh = "".join(p2.split(line)).strip()
#zh = ",".join(zh.split())
print zh ##列印中文字元
Ⅳ 強烈推薦！Python 這個寶藏庫 re 正則匹配
Python 的 re 模塊（Regular Expression 正則表達式）提供各種正則表達式的匹配操作。
在文本解析、復雜字元串分析和信息提取時是一個非常有用的工具 ，下面總結了 re 模塊的常用方法。
d 匹配所有的十進制數字 0-9
D 匹配所有的非數字，包含下劃線
s 匹配所有空白字元（空格、TAB等）
S 匹配所有非空白字元，包含下劃線
w 匹配所有字母、漢字、數字 a-z A-Z 0-9
W 匹配所有非字母、漢字、數字，包含下劃線
備注跡凳：符號.* 貪婪，符號.*? 非貪婪
[abc]：能匹配其中的單個字元
[a-z0-9]：能匹配指定范圍的字元，可取反（在最前面加入^）
[2-9] [1-3]：能夠做組合匹配
4.{ }：用於標記前面的字元出現的頻率，有如下情況：
{n，m}：代表前面字元最少出現n次，最多出現m次
{n，}：代表前面字元最少出現n次，最多不受限制
{，m}：代表前面字元最多出現n次，最少不受限制
{n}：前面的字元必須出現n次
字元串中有反斜杠的，需要對反斜杠做轉義
()：分組字元，可以為匹配到的內容分組，快速獲取到分組中的數據 在正則裡面 "()" 代表的是分組的意思，一個括弧代表一個分組，你只能匹配到 "()" 中的內容。
group：用於查看指定分組匹配到的內容
groups：返回一個元組，組內為所有匹配到的內容
groupdict：返回一個字典，包含分組的鍵值對，需要為分組命名
作用：可以將字元串匹配正則表達式的部分割開並返回一個列表
flags定義包括：
re.I：忽略大小寫
re.L：表示特殊字元集 w, W, b, B, s, S 依賴於當前環境
re.M：多行模式
re.S：』.』並且包括換行符在內的任意字元（注意：』.』不包括換行符）
re.U：表示特殊字元集 w, W, b, B, d, D, s, S 依賴於 Unicode 字元屬性資料庫
在 Python 中使用正耐孫則表達式之前，先使用以下命令導入 re 模塊
例如：
『(d)(a)1』 表示：匹配第一是數字，第二是字元a，第三 1 必須匹配第一個一樣的數字重復一次姿畝旅，也就是被引用一次。
如 「9a9」 被匹配，但 「9a8」 不會被匹配，因為第三位的 1 必須是 9 才可以。
『(d)(a)2』 表示：匹配第一個是一個數字，第二個是a，第三個 2 必須是第二組（）中匹配一樣的。
如 「8aa」 被匹配，但 「8ab」，「7a7」 不會被匹配，第三位必須是第二組字元的復製版，也是就引用第二組正則的匹配內容。