python正则匹配中文
Ⅰ 如何用正则表达式提取字符串中的中英文
python re正则匹配中文，其实非常简单，把中文的unicode字符串转换成utf-8格式就可以了，然后可以在re中随意调用
unicode中中文的编码为/u4e00-/u9fa5，因此正则表达式u”[\u4e00-\u9fa5]+”可以表示一个或者多个中文字符
>>> 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='这里是中文内容'.decode("utf8")
>>> news=re.sub(pat,newpat,s)
>>> print news
这里是中文内容：123456aa哈哈哈bbcc
Ⅱ python正则表达式中\w居然能匹配汉字，请问是怎么一回事
\w匹配的是能组成单词的字符，在python3 中re默认支持的是unicode字符集，当然也支持汉字
如果要让\w仅支持英文，加个re.A标志
print(re.findall(r"\w",s,re.A))
这样就不会匹配汉字了
Ⅲ Python用正则表达式匹配含有中文的字符串，匹配不到
代码如下：
#coding=utf-8
importre
s=u'<li><aclass="nav-first"href="/">首页</a></li>'
r=re.compile(u'<li><asclass="[^"]*"shref="[^"]">(.*?)(?=</a></li>)')
ss=r.findall(s)
forstrinss:
printstr
运行结果：
Ⅳ python怎样读取文本文件里的中文
#在Windows 环境下
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
import re
fin = open('in.txt', 'r') #以读的方式打开输入文件
for eachLine in fin: #按行读入文件内容
line = eachLine.strip().decode('gbk', 'utf-8') #处理前进行相关的处理，包括转换成Unicode等
print line #打印原始字符
p2 = re.compile(ur'[^\u4e00-\u9fa5]') #中文的编码范围是：\u4e00到\u9fa5
zh = "".join(p2.split(line)).strip()
#zh = ",".join(zh.split())
print zh ##打印中文字符
Ⅳ 强烈推荐！Python 这个宝藏库 re 正则匹配
Python 的 re 模块（Regular Expression 正则表达式）提供各种正则表达式的匹配操作。
在文本解析、复杂字符串分析和信息提取时是一个非常有用的工具 ，下面总结了 re 模块的常用方法。
d 匹配所有的十进制数字 0-9
D 匹配所有的非数字，包含下划线
s 匹配所有空白字符（空格、TAB等）
S 匹配所有非空白字符，包含下划线
w 匹配所有字母、汉字、数字 a-z A-Z 0-9
W 匹配所有非字母、汉字、数字，包含下划线
备注迹凳：符号.* 贪婪，符号.*? 非贪婪
[abc]：能匹配其中的单个字符
[a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）
[2-9] [1-3]：能够做组合匹配
4.{ }：用于标记前面的字符出现的频率，有如下情况：
{n，m}：代表前面字符最少出现n次，最多出现m次
{n，}：代表前面字符最少出现n次，最多不受限制
{，m}：代表前面字符最多出现n次，最少不受限制
{n}：前面的字符必须出现n次
字符串中有反斜杠的，需要对反斜杠做转义
()：分组字符，可以为匹配到的内容分组，快速获取到分组中的数据 在正则里面 "()" 代表的是分组的意思，一个括号代表一个分组，你只能匹配到 "()" 中的内容。
group：用于查看指定分组匹配到的内容
groups：返回一个元组，组内为所有匹配到的内容
groupdict：返回一个字典，包含分组的键值对，需要为分组命名
作用：可以将字符串匹配正则表达式的部分割开并返回一个列表
flags定义包括：
re.I：忽略大小写
re.L：表示特殊字符集 w, W, b, B, s, S 依赖于当前环境
re.M：多行模式
re.S：’.’并且包括换行符在内的任意字符（注意：’.’不包括换行符）
re.U：表示特殊字符集 w, W, b, B, d, D, s, S 依赖于 Unicode 字符属性数据库
在 Python 中使用正耐孙则表达式之前，先使用以下命令导入 re 模块
例如：
‘(d)(a)1’ 表示：匹配第一是数字，第二是字符a，第三 1 必须匹配第一个一样的数字重复一次姿亩旅，也就是被引用一次。
如 “9a9” 被匹配，但 “9a8” 不会被匹配，因为第三位的 1 必须是 9 才可以。
‘(d)(a)2’ 表示：匹配第一个是一个数字，第二个是a，第三个 2 必须是第二组（）中匹配一样的。
如 “8aa” 被匹配，但 “8ab”，“7a7” 不会被匹配，第三位必须是第二组字符的复制版，也是就引用第二组正则的匹配内容。