快捷導(dǎo)航

如何使用python提取字符串的中英文（正則判斷）

更新時(shí)間：2021年05月13日 14:38:23 作者：神的孩子都在歌唱

這篇文章主要給大家介紹了關(guān)于如何使用python提取字符串中英文的相關(guān)資料,主要通過(guò)正則re中的sub函數(shù)、findall函數(shù)以及compile函數(shù)判斷來(lái)實(shí)現(xiàn)，需要的朋友可以參考下

前言

提取中英文是我們?cè)谧鰯?shù)據(jù)處理時(shí)候經(jīng)常使用的，最高效的做法就是通過(guò)正則判斷了，下面是我寫(xiě)的筆記，希望對(duì)你有用

一. re中的sub函數(shù)

使用Python 的re模塊，re模塊提供了re.sub用于替換字符串中的匹配項(xiàng)。

re.sub(pattern, repl, string, count=0)

參數(shù)說(shuō)明：

pattern：正則重的模式字符串
repl：被拿來(lái)替換的字符串
string：要被用于替換的原始字符串
count：模式匹配后替換的最大次數(shù)，省略則默認(rèn)為0，表示替換所有的匹配

1.1 提取中文

可以這樣想：我們可以通過(guò)將不是中文的字符替換為空不就可以了

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)
輸出：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)
輸出：helloHworld

1.3 提取數(shù)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)
輸出：123

二. re中的findall函數(shù)

在字符串中找到正則表達(dá)式所匹配的所有子串，并返回一個(gè)列表，如果沒(méi)有找到匹配的，則返回空列表。

語(yǔ)法格式為：

findall(string[, pos[, endpos]])

參數(shù)：

string : 待匹配的字符串。
pos : 可選參數(shù)，指定字符串的起始位置，默認(rèn)為 0。
endpos :可選參數(shù)，指定字符串的結(jié)束位置，默認(rèn)為字符串的長(zhǎng)度。查找字符串中的所有數(shù)字：

擴(kuò)展：正則中有match 和 search ，它們是是匹配一次，findall

匹配所有，具體了解可以到菜鳥(niǎo)教程查看

2.1 提取中文

2.2 提取英文

通俗寫(xiě)法

import string#提供a-z的小寫(xiě)字母
dd = "神的孩子hello在H唱歌,world"
#準(zhǔn)備英文字符
temp=""
letters=string.ascii_lowercase#包含a-z的小寫(xiě)字母
for word in dd:#for循環(huán)取出單個(gè)詞
    if word.lower() in letters:#判斷是否是英文
        temp+=word#添加組成英文單詞
print(temp)
輸出：helloHworld

正則

#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)
輸出：helloHworld

2.3 提取數(shù)字

#0-9注意這個(gè)數(shù)字前面不能\,要不然他連，都給算上
import re
dd = "神123的孩子hello在唱H歌。。,world"
result = ''.join(re.findall(r'[0-9]', dd)) 
print(result)
輸出：123

三. re中的compile函數(shù)

compile函數(shù)用于編譯正則表達(dá)式，生成一個(gè)正則表達(dá)式（ Pattern ）對(duì)象，供其他函數(shù)使用。

語(yǔ)法格式為：

re.compile(pattern[, flags])

參數(shù)：

pattern : 一個(gè)字符串形式的正則表達(dá)式

flags : 可選，表示匹配模式，比如忽略大小寫(xiě)，多行模式等，具體參數(shù)為：

re.I 忽略大小寫(xiě)
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴(lài)于當(dāng)前環(huán)境
re.M 多行模式
re.S即為 . 并且包括換行符在內(nèi)的任意字符（. 不包括換行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s,\S 依賴(lài)于 Unicode 字符屬性數(shù)據(jù)庫(kù)
re.X 為了增加可讀性，忽略空格和 # 后面的注釋

3.1 同時(shí)匹配中英文數(shù)字去除其他字符