UTF-8 中文编码范围

Posted 2022-06-02 jeavy

主流的匹配字符有两种 [\u4e00-\u9fa5]和[\u2E80-\u9FFF]，后者范围更广，包括了日韩地区的汉字

import re


pattern = re.compile("[\u2E80-\u9FFF]+")
result = pattern.findall(‘<a target="_blank" href="http://m.weibo.com/web/cellphone.php#iphone"  suda-uatrack="key=‘
                         ‘index_new_menu&value=sina_apps_list_click">新浪微博</a>‘)
print(result)

[‘新浪微博‘]