pythonregex中文

1. python抓取網頁中文信息

#-*-coding:utf-8-*-
importurllib
importre
#使用正則表達式限定抓取的網頁地址
regex=r'<ahref="(.+?)"target="_blank"><strongclass="'
pat=re.compile(regex)
page=1
url="

info=urllib.urlopen(url).read()
Sub_pages=re.findall(pat,info)
#獲得網址中所有產品信息
regex=r'<td>(.+?)&nbsp;</td>'
pat=re.compile(regex)
forpageinSub_pages:
content=urllib.urlopen(page).read()
info=re.findall(pat,content)
print'
'.join(info)#改成這樣試試

2. python正則表達式是什麼

正則表達式(regex)用於探索給定字元串中的固定模式。我們想找到的模式可以是任何東西。可以創建類似於查找電子郵件或手機號碼的模式。還可以創建查找以a開頭、以z結尾的字元串的模式。

創建模式：

使用正則表達式時，首先需要學習的是如何創建模式。接下來將對一些最常用的模式進行逐一介紹。可以想到最簡單的模式是一個簡單的字元串。

pattern = r'times'

string = "It was the best of times, it was the worst of times."

print(len(re.findall(pattern,string)))

注意：

「正則表達式，又稱規則表達式（英語：Regular Expression，在代碼中常簡寫為regex、regexp或re），是計算機科學的一個概念。正則表達式通常被用來檢索、替換那些符合某個模式(規則)的文本」，那使用正則表達式的目的是什麼呢？網路中只寫了兩句話：

1. 給定的字元串是否符合正則表達式的過濾邏輯（稱作「匹配」）。

2. 可以通過正則表達式，從字元串中獲取我們想要的特定部分。

大家可以簡單的理解為兩點：search和match。OK，了解了正則表達式的概念和作用，我們趕緊進入Python的學習吧！正則表達式不是Python獨有的武器，但Python中的正則表達式無疑是最簡單卻又最強大的。

3. 轉python正則表達式判斷文本中是否有中文

python判斷是否是中文需要滿足u'[\u4e00-\u9fa5]+'，需要注意如果正則表達式的模式中使用unicode，那麼要匹配的字元串也必須轉換為unicode，否則肯定會不匹配。
zhPattern = re.compile(u'[\u4e00-\u9fa5]+')

一個小應用，判斷一段文本中是否包含簡體中：
match = zhPattern.search(contents)

if match:
print '有中文：%s' % (match.group(0),)
else:
print '沒有包含中文'

4. python怎麼用正則表達式提取中文

Python re正則匹配中文，其實非常簡單，把中文的unicode字元串轉換成utf-8格式就可以了，然後可以在re中隨意調用
unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達式u」[\u4e00-\u9fa5]+」可以表示一個或者多個中文字元
>>> import re

>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u'\u4e2d\u6587\uff1a123456aa\u54c8\u54c8\u54c8bbcc'
>>> print s
中文：123456aa哈哈哈bbcc

>>> re.match(u"[\u4e00-\u9fa5]+",s)
<_sre.SRE_Match object at 0xb77742c0>

>>> pat='中文'.decode("utf8")
>>> re.search(pat,s)
<_sre.SRE_Match object at 0x16a16df0>

>>> newpat='這里是中文內容'.decode("utf8")

>>> news=re.sub(pat,newpat,s)
>>> print news
這里是中文內容：123456aa哈哈哈bbcc

from:http://blog.aizhet.com/web/12078.html

5. python的re，正則表達式，可以用中文么

解決了>>>
a='中文'>>>
a'\xd6\xd0\xce\xc4'>>>
import
re>>>
mytestre=re.compile('\xd6\xd0\xce\xc4')>>>
b='中文asdf223中文ss'>>>
mytestre.sub('zw',b)'zwasdf223zwss'>>>復制代碼關鍵是要找到中文相應coding對應的編碼，這里中文='\xd6\xd0\xce\xc4'所以，就用\xd6\xd0\xce\xc4代替中文就可以了，如果是其他編碼，也用類似的方法找到編碼的字元串就可以了，沒測試過，應該是這樣的。哈哈。:mrgreen:

6. Python用正則表達式匹配含有中文的字元串，匹配不到

代碼如下：

#coding=utf-8

importre
s=u'<li><aclass="nav-first"href="/">首頁</a></li>'
r=re.compile(u'<li><asclass="[^"]*"shref="[^"]">(.*?)(?=</a></li>)')
ss=r.findall(s)
forstrinss:
printstr

運行結果：

7. Python 求正則表達式匹配中文

#coding=utf-8

importre


string=u"""<代碼>書名1【精裝版】<代碼>
<代碼>書名2【豪華版版】<代碼>
<代碼>書名3<代碼>"""

fresult=re.findall(u">(.*?)[【|<]",string)


foriteminfresult:
printitem.encode("utf-8")

8. python正則表達式是什麼

python正則表達式是：

'hing'

'wing'

'123456'

'dddddd'

'regex.py'

'.*.py'

正則表達式（簡稱為 regex）是一些由字元和特殊符號組成的字元串， 描述了模式的重復或者表述多個字元。正則表達式能按照某種模式匹配一系列有相似特徵的字元串。換句話說， 它們能夠匹配多個字元串。

孤立的一個正則表達式並不能起到匹配字元串的作用，要讓其能夠匹配目標字元，需要創建一個正則表達式對象。通常向compile()函數傳入一個原始字元形式的正則表達式，即 r'.....'。

要讓正則表達式不區分大小寫，可以向re.compile()傳入re.IGNORECASE或re.I，作為第二個參數。通過傳入re.DOTALL作為re.compile()的第二個參數，可以讓句點字元匹配所有字元，包括換行字元。

9. python怎麼用正則表達式提取中文

1、字元串line='ufeffD0002044x01大數據x01數據分析x01技術x01工具x01應用 '
想提取出其中的「大數據」，「數據分析」，「技術」，「工具」，「應用」這些中文，用了正則表達式：
>>>pat2='x01(.*?)'
>>>rs=re.compile(pat2).findall(line)
>>>print(rs)
['','','','','']
顯示的結果是空，請問如何才能正確的提出中文部分。

2、原文： 法規名稱:'《中華人民共和國合同法》',Items:[{法條名稱:'第五十二條'
匹配成： 《中華人民共和國合同法》第五十二條
(?<=法規名稱:').*?（',Items:[{法條名稱:'）.*?(?=') 請問這樣匹配哪裡錯了？Python報sre_constants.error: unterminated character set at position 22

3、Python re正則匹配中文，其實非常簡單，把中文的unicode字元串轉換成utf-8格式就可以了，然後可以在re中隨意調用
unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達式u」[u4e00-u9fa5]+」可以表示一個或者多個中文字元
>>> import re
>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u''
>>> print s
中文：123456aa哈哈哈bbcc 。

10. python，用正則表達式匹配特定漢字

在Python的string前面加上『r』， 是為了告訴編譯器這個string是個raw string，不要轉意backslash '\' 。 例如，\n 在raw string中，是兩個字元，\和n， 而不會轉意為換行符。由於正則表達式和 \ 會有沖突，因此，當一個字元串使用了正則表達式後，最好在前面加上'r'。
在[]中
-長用來指定一個字元集，在這個字元集中的一個可以拿來匹配：[abc] [a-z]
-元字元在在字元集中不起作用
-在[]內用^表示補集，用來匹配不在區間范圍內的字元
s=r'aba' 匹配abc
s=r't[io]p' 匹配tip或者top
s=r't[a-z0-9A-Z]'匹配t+0-9或者a-z或者A-Z
[abc]表示「a」或「b」或「c」
[0-9]表示0~9中任意一個數字，等價於[0123456789]
[\u4e00-\u9fa5]表示任意一個漢字
[^a1<]表示除「a」、「1」、「<」外的其它任意一個字元
[^a-z]表示除小寫字母外的任意一個字元