python怎么用正则表达式提取中文
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python怎么用正则表达式提取中文相关的知识，希望对你有一定的参考价值。
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
from:http://blog.aizhet.com/web/12078.html 参考技术A
1、字符串line='\\ufeffD0002044\\x01大数据\\x01数据分析\\x01技术\\x01工具\\x01应用\\n'
想提取出其中的“大数据”，“数据分析”，“技术”，“工具”，“应用”这些中文，用了正则表达式：
>>> pat2='\\x01(.*?)'
>>> rs=re.compile(pat2).findall(line)
>>> print(rs)
['', '', '', '', '']
显示的结果是空，请问如何才能正确的提出中文部分。
2、原文： 法规名称:'《中华人民共和国合同法》',Items:[法条名称:'第五十二条'
匹配成： 《中华人民共和国合同法》第五十二条
(?<=法规名称:\\').*?（\\',Items:[法条名称:\\'）.*?(?=\\') 请问这样匹配哪里错了？Python报sre_constants.error: unterminated character set at position 22
3、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 。
用正则表达式提取网址中的IP怎样取？
比如：http://10.1.1.1:8080/abcde/cdf.…… 取10.1.1.1:8080怎样取？
\\d+\\.\\d+\\.\\d+\\.\\d*\\:\\d+
import java.util.regex.*;
// 表达式对象
Pattern p = Pattern.compile("\\\\d+\\\\.\\\\d+\\\\.\\\\d+\\\\.\\\\d*\\\\:\\\\d+");
// 创建 Matcher 对象
Matcher m = p.matcher("");
// 是否找到匹配
boolean found = m.find();
if( found )
String foundstring = m.group();
int beginPos = m.start();
int endPos = m.end();
用正则表达式提取网址的方式如下：
用ifconfig来提取
ifconfig eth0|grep "inet addr"|awk 'print $2'|awk -F: 'print $2'192.168.10.1
用ip addr来提取。
ip addr | grep -Po '[^ ]+(?=/\\d)'
没有对IP地址的有效性做检查：
<html><head>
<!--
将此内容保存为 html 文件，浏览器允许运行脚本进行测试。
-->
<script type="text/javascript">
function check()
var str;
str = document.getElementById("txtInput").value;
if (str.match(/(\\d+\\.\\d+\\.\\d+\\.\\d+:\\d+)/) != null)
alert("提取IP端口：" + RegExp.$1);
else
alert("没有提取到内容。");
</script>
</head>
<body>
输入：<input type="text" id="txtInput" value="http://10.1.1.1:8080/abcde/cdf" />
<button type="button" onclick="check()">正则检查</button>
</form>
</body>
</html>追问
用java 怎么写啊
追答没写过java，正则表达式在什么语言中都是一样的，所以你了解一下java使用正则表达式相关的用法，然后对应的正则表达式用这个去写代码：
(\d+\.\d+\.\d+\.\d+:\d+)
以上是关于python怎么用正则表达式提取中文的主要内容，如果未能解决你的问题，请参考以下文章