由于 需求原因，需要匹配 提取中文，大量google下，并沒有我需要的?；艘粋€小時大概測試，此utf8中文通過，特留文。

?? 參考： http://hi.baidu.com/nivrrex/blog/item/e6ccaf511d0926888d543071.html
????????? http://topic.csdn.net/u/20070404/15/b011aa83-f9b7-43b3-bbff-bfe4f653df03.html

??? 首先，確保所有編碼都為 unicode
? ? ? ?? 比如 str.decode('utf8') #從utf8文本中
????????????? u"啊l"? #在控制臺輸出中 ???
???????? (羅嗦下)本想使用參考一定編碼 Hex 但郁悶的是 這每個字好像占2個位置，使用正則匹配無果。
??? 其次，確定中文范圍 :?[\u4e00-\u9fa5]

????????? (這里注意下 python 的re寫的時候) 要??u"[\u4e00-\u9fa5]" #確定正則表達式也是 unicode 的

def filter(string):

string = 'avb測試123<>《》！*(^)$%~!@#$…&%￥—+=、。，；‘’“”：·`文本';
string = string.decode("utf-8")
filtrate = re.compile(u'[^\u4E00-\u9FA5]')#非中文
filtered_str = filtrate.sub(r' ', string)#replace
print filtered_str
return 'te'

??? demo :
????
>>>?print?re.match(ur"[\u4e00-\u9fa5]+","啊")
None
>>>?print?re.match(ur"[\u4e00-\u9fa5]+",u"啊")
<_sre.SRE_Match?object?at?0x2a98981308>


>>>?print?re.match(ur"[\u4e00-\u9fa5]+",u"t")
None


>>>?print?tt
現在才明白
>>>?tt
'\xe7\x8e\xb0\xe5\x9c\xa8\xe6\x89\x8d\xe6\x98\x8e\xe7\x99\xbd'
>>>?print?re.match(r"[\u4e00-\u9fa5]",tt.decode('utf8'))
None
>>>?print?re.match(ur"[\u4e00-\u9fa5]",tt.decode('utf8'))
<_sre.SRE_Match?object?at?0x2a955d9c60>


>>>?print?re.match(ur".*["u4e00-"u9fa5]+",u"hi,匹配到了")
<_sre.SRE_Match?object?at?0x2a955d9c60>
>>>?print?re.match(ur".*["u4e00-"u9fa5]+",u"hi,no?no")
None
???????



其他 擴充 范圍 (轉)
這里是幾個主要非英文語系字符范圍(google上找到的):
2E80～33FFh：中日韓符號區。收容康熙字典部首、中日韓輔助部首、注音符號、日本假名、韓文音符，中日韓的符號、標點、帶圈或帶括符文數字、月份，以及日本的假名組合、單位、年號、月份、日期、時間等。
3400～4DFFh：中日韓認同表意文字擴充A區，總計收容6,582個中日韓漢字。
4E00～9FFFh：中日韓認同表意文字區，總計收容20,902個中日韓漢字。
A000～A4FFh：彝族文字區，收容中國南方彝族文字和字根。
AC00～D7FFh：韓文拼音組合字區，收容以韓文音符拼成的文字。
F900～FAFFh：中日韓兼容表意文字區，總計收容302個中日韓漢字。
FB00～FFFDh：文字表現形式區，收容組合拉丁文字、希伯來文、阿拉伯文、中日韓直式標點、小符號、半角符號、全角符號等。
比如需要匹配所有中日韓非符號字符,那么正則表達式應該是^[\u3400-\u9FFF]+$
理論上沒錯,?可是我到msn.co.ko隨便復制了個韓文下來,?發現根本不對,?詭異
再到msn.co.jp復制了個’お’,?也不得行..
然后把范圍擴大到^[\u2E80-\u9FFF]+$,?這樣倒是都通過了,?這個應該就是匹配中日韓文字的正則表達式了,?包括我們臺灣省還在盲目使用的繁體中文
而關于中文的正則表達式,?應該是^[\u4E00-\u9FFF]+$,?和論壇里常被人提起的^[\u4E00-\u9FA5]+$很接近
需要注意的是論壇里說的^[\u4E00-\u9FA5]+$這是專門用于匹配簡體中文的正則表達式,?實際上繁體字也在里面,?我用測試器測試了下’中華人民共和國’,?也通過了,?當然,?^[\u4E00-\u9FFF] 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的python匹配中文的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。