python正则表达式不匹配中文：匹配所有的字母数字但是不匹配1080p这个单词如何操作

来源：蜘蛛抓取(WebSpider) 时间：2018-03-17 04:02 标签： js 正则表达式 不匹配
博客访问： 1777468
博文数量： 191
博客积分： 3184
博客等级： 中校
技术积分： 3927
注册时间：
IT168企业级官微
微信号：IT168qiye
系统架构师大会
微信号：SACC2013
分类： Python/Ruby 12:12:27
&由于 需求原因，需要匹配 提取中文，大量google下，并没有我需要的。花了一个小时大概测试，此utf8中文通过，特留文。
&& 参考： http://hi.baidu.com/nivrrex/blog/item/e6ccaf511d071.html
&&&&&&&&& http://topic.csdn.net/u//b011aa83-f9b7-43b3-bbff-bfe4f653df03.html
&&& 首先，确保所有编码都为 unicode
& & & && 比如 str.decode('utf8') #从utf8文本中
&&&&&&&&&&&&& u"啊l"& #在控制台输出中 &&&
&&&&&&&& (罗嗦下)本想使用参考一定编码 Hex 但郁闷的是 这每个字好像占2个位置，使用正则匹配无果。
&&& 其次，确定中文范围 :&[\u4e00-\u9fa5]
&&&&&&&&& (这里注意下 python 的re写的时候) 要&&u"[\u4e00-\u9fa5]" #确定正则表达式也是 unicode 的
&&& demo :
>>>&print&re.match(ur"[\u4e00-\u9fa5]+","啊")
>>>&print&re.match(ur"[\u4e00-\u9fa5]+",u"啊")
<_sre.SRE_Match&object&at&0x2a>
>>>&print&re.match(ur"[\u4e00-\u9fa5]+",u"t")
>>>&print&tt
现在才明白
'\xe7\x8e\xb0\xe5\x9c\xa8\xe6\x89\x8d\xe6\x98\x8e\xe7\x99\xbd'
>>>&print&re.match(r"[\u4e00-\u9fa5]",tt.decode('utf8'))
>>>&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")
其他 扩充 范围 (转)
这里是几个主要非英文语系字符范围(google上找到的):
2E80～33FFh：中日韩符号区。收容康熙字典部首、中日韩辅助部首、注音符号、日本假名、韩文音符，中日韩的符号、标点、带圈或带括符文数字、月份，以及日本的假名组合、单位、年号、月份、日期、时间等。
3400～4DFFh：中日韩认同表意文字扩充A区，总计收容6,582个中日韩汉字。
4E00～9FFFh：中日韩认同表意文字区，总计收容20,902个中日韩汉字。
A000～A4FFh：彝族文字区，收容中国南方彝族文字和字根。
AC00～D7FFh：韩文拼音组合字区，收容以韩文音符拼成的文字。
F900～FAFFh：中日韩兼容表意文字区，总计收容302个中日韩汉字。
FB00～FFFDh：文字表现形式区，收容组合拉丁文字、希伯来文、阿拉伯文、中日韩直式标点、小符号、半角符号、全角符号等。
比如需要匹配所有中日韩非符号字符,那么正则表达式应该是^[\u3400-\u9FFF]+$
理论上没错,&可是我到msn.co.ko随便复制了个韩文下来,&发现根本不对,&诡异
再到msn.co.jp复制了个’お’,&也不得行..
然后把范围扩大到^[\u2E80-\u9FFF]+$,&这样倒是都通过了,&这个应该就是匹配中日韩文字的正则表达式了,&包括我們臺灣省還在盲目使用的繁體中文
而关于中文的正则表达式,&应该是^[\u4E00-\u9FFF]+$,&和论坛里常被人提起的^[\u4E00-\u9FA5]+$很接近
需要注意的是论坛里说的^[\u4E00-\u9FA5]+$这是专门用于匹配简体中文的正则表达式,&实际上繁体字也在里面,&我用测试器测试了下’中華人民共和國’,&也通过了,&当然,&^[\u4E00-\u9FFF]+$也是一样的结果。
阅读(15077) | 评论(1) | 转发(4) |
给主人留下些什么吧！~~
非常感谢。
请登录后评论。Posted by 0x55aa
找到的一点资料：\u4e00-\u9fa5 (中文)\x3130-\x318F (韩文)\xAC00-\xD7A3 (韩文)\u0800-\u4e00 (日文)\ufe30-\uffa0(全角字符)
找到一篇好文章：http://0x55aa.sinaapp.com/%E7%AE%97%E6%B3%95-%E7%BC%96%E7%A8%8B/212.html
没有系统的学习正则表达式，准备现学现用。
但是发现不匹配但就是找不到问题。
只含有汉字、数字、字母、下划线：if not re.search(u'^[_a-zA-Z0-9\u4e00-\u9fa5]+$',username):raise forms.ValidationError('用户名中只能包含')
相关文章：如何用Python,求正则表达式，必须包含大写字母、小写字母、数字，其他的都不要！
求正则表达式，必须包含大写字母、小写字母、数字，其他的都不要！
^[A-Za-z0-9]$
你还没有登录，请先登录或注册慕课网帐号
一般写法：[A-Za-z0-9]通用写法：[[:alnum:]]
你还没有登录，请先登录或注册慕课网帐号
^[A-Za-z0-9]$一般写法：[A-Za-z0-9]通用写法：[[:alnum:]]
你还没有登录，请先登录或注册慕课网帐号
16917人关注
Copyright (C) 2018 imooc.com All Rights Reserved | 京ICP备 号-11在 SegmentFault，学习技能、解决问题
每个月，我们帮助 1000 万的开发者解决各种各样的技术问题。并助力他们在技术能力、职业生涯、影响力上获得提升。
问题对人有帮助，内容完整，我也想知道答案
问题没有实际价值，缺少关键内容，没有改进余地
id_(大写字母 + 十个数字)；
id取值从0开始，到无穷；
()中的字符是从由26个大写字母和十个数字组成的集合中随机取6个；
请问用正则表达式该如何表示这id_(大写字母 + 十个数字)?
PS. 能被python的正则表达式引擎解析。
答案对人有帮助，有参考价值
答案没帮助，是错误的答案，答非所问
\d+_\([A-Z\d]{6}\)
答案对人有帮助，有参考价值
答案没帮助，是错误的答案，答非所问
print re.match('\\d+_[A-Z0-9]{6}', '0_A12345').group()
&&& 0_A12345
同步到新浪微博
分享到微博？
关闭理由：
删除理由：
忽略理由：
推广（招聘、广告、SEO 等）方面的内容
与已有问题重复（请编辑该提问指向已有相同问题）
答非所问，不符合答题要求
宜作评论而非答案
带有人身攻击、辱骂、仇恨等违反条款的内容
无法获得确切结果的问题
非开发直接相关的问题
非技术提问的讨论型问题
其他原因（请补充说明）
我要该，理由是：
在 SegmentFault，学习技能、解决问题
每个月，我们帮助 1000 万的开发者解决各种各样的技术问题。并助力他们在技术能力、职业生涯、影响力上获得提升。他的最新文章
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)

我要回帖

更多关于 js 正则表达式 不匹配 的文章

 

随机推荐