python提取中文
A. python正則表達式提取字元串中的中文 字元串如下 而且是大量
如果你只是想提取標簽裡面的內容的話
我建議你使用beautifulsoup4
首先安裝
pipinstallbeautifulsoup4
如果是Linux或者Mac OS請在命令前加sudo
然後把字元串放到BeautifulSoup里
最後用get_text輸出裡面的內容就好
frombs4importBeautifulSoup
soup=BeautifulSoup(string)
printsoup.get_text()
結果就像這樣
如果還想實現其他更多的功能可以參考文檔
http://www.crummy.com/software/BeautifulSoup/bs4/doc/
B. python 如何用正則表達式提取 字元串中的中文字元
根據你的字元規律。。
做如下判斷:
1、都包含周、節、課這三個字
2、一、二、三、四、五、六、日 都是一個字
那麼代碼就是:
C. Python用正則表達式截取中文
像這樣
#!/usr/bin/envpython
#coding:utf8
importre
l=[
'1.1.2.5查',
'1.2.5詢',
'1.5查詢',
'1.5.3.4.51規則',
'1.133.2.5詢規',
]
r=re.compile(r'd+(.d+)*(.*)')
l=[r.match(e).group(2)foreinl]
print(l)
最後列印的就是
['查','詢','查詢','規則','詢規']
D. 如何用Python提取中文關鍵詞
去非中文字元
分詞
統計
提取
E. 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 。
F. 如何python提取txt文檔裡面全部的中文和中文符號,並且保存為新的txt文檔
用beautifulsoup處理啊,去除英文和符號就是中文啦
importre
zhongwen=re.sub(r'[w<>/,=:"']','',text')
G. 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
H. python提取中文括弧中的文本
用beautifulsoup處理啊,去除英文和符號就是中文啦
1
2
import re
zhongwen=re.sub(r'[\w\<\>/\,=:"\']','',text')
I. python 中怎麼讀取txt文件中的中文文字
代碼:
# -*- coding: utf-8 -*-
f = open('luciatest1.txt', encoding='gb18030')
filecontent = f.read()
print(filecontent)
運行效果:
J. 求助python截取字元串中中文的方法
>>>re.findall(r'[^0-9a-zA-Z]+','測試awk測試123測試11')
['xb2xe2xcaxd4','xb2xe2xcaxd4','xb2xe2xcaxd4']