如何使⽤python提取字符串的中英⽂（正则判断）前⾔
提取中英⽂是我们在做数据处理时候经常使⽤的，最⾼效的做法就是通过正则判断了，下⾯是我写的笔记，希望对你有⽤⼀. re中的sub函数
使⽤Python 的re模块，re模块提供了re.sub⽤于替换字符串中的匹配项。
re.sub(pattern, repl, string, count=0)
参数说明：
python正则表达式判断
pattern：正则重的模式字符串
repl：被拿来替换的字符串
string：要被⽤于替换的原始字符串
count：模式匹配后替换的最⼤次数，省略则默认为0，表⽰替换所有的匹配
1.1 提取中⽂
可以这样想：我们可以通过将不是中⽂的字符替换为空不就可以了
例如
import re
str = "重出江湖hello的地H⽅。。的,world"
str = re.sub("[A-Za-z0-9\,\。]", "", str)
print(str)
输出：神的孩⼦在唱歌
1.2 提取英⽂
import re
str = "重123出江湖hello的地H⽅。。的,world"
str = re.sub("[\u4e00-\u9fa5\0-9\,\。]", "", str)
print(str)
输出：helloHworld
1.3 提取数字
import re
str = "重123出江湖hello的地H⽅。。的,world"
str = re.sub("[A-Za-z\u4e00-\u9fa5\,\。]", "", str)
print(str)
输出：123
⼆. re中的findall函数
在字符串中到正则表达式所匹配的所有⼦串，并返回⼀个列表，如果没有到匹配的，则返回空列表。
语法格式为：
findall(string[, pos[, endpos]])
参数：
string : 待匹配的字符串。
pos : 可选参数，指定字符串的起始位置，默认为 0。
endpos ：可选参数，指定字符串的结束位置，默认为字符串的长度。查字符串中的所有数字：
扩展：正则中有match 和 search ，它们是是匹配⼀次，findall
匹配所有，具体了解可以到查看
2.1 提取中⽂
2.2 提取英⽂
通俗写法
import string#提供a-z的⼩写字母
dd = "神的孩⼦hello在H唱歌,world"
#准备英⽂字符
temp=""
letters=string.ascii_lowercase#包含a-z的⼩写字母
for word in dd:#for循环取出单个词
if word.lower() in letters:#判断是否是英⽂
temp+=word#添加组成英⽂单词
print(temp)
输出：helloHworld
正则
#A-Za-z
import re
dd = "重出123江湖hello的地⽅的,world"
result = ''.join(re.findall(r'[A-Za-z]', dd))
print(result)
输出：helloHworld
2.3 提取数字
#0-9注意这个数字前⾯不能\，要不然他连，都给算上
import re
dd = "神123的孩⼦hello在唱H歌。。,world"
result = ''.join(re.findall(r'[0-9]', dd))
print(result)
输出：123
三. re中的compile函数
compile函数⽤于编译正则表达式，⽣成⼀个正则表达式（ Pattern ）对象，供其他函数使⽤。
语法格式为：
repile(pattern[, flags])
参数：
pattern : ⼀个字符串形式的正则表达式
flags : 可选，表⽰匹配模式，⽐如忽略⼤⼩写，多⾏模式等，具体参数为：
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即为 . 并且包括换⾏符在内的任意字符（. 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
re.X 为了增加可读性，忽略空格和 # 后⾯的注释
3.1 同时匹配中英⽂数字去除其他字符
总结
到此这篇关于如何使⽤python提取字符串中英⽂的⽂章就介绍到这了，更多相关python提取字符串中英⽂内容请搜索以前的⽂章或继续浏览下⾯的相关⽂章希望⼤家以后多多⽀持！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。