python通過re正則表示式切割中英文的操作
阿新 • • 發佈:2021-03-18
我就廢話不多說了,大家還是直接看程式碼吧~
import re s = 'alibaba阿里巴巴' # 待分割字串 en_letter = '[\u0041-\u005a|\u0061-\u007a]+' # 大小寫英文字母 zh_char = '[\u4e00-\u9fa5]+' # 中文字元 print(re.findall(zh_char,s) + re.findall(en_letter,s)) # 輸出: ['阿里巴巴','alibaba'程式設計客棧]
範圍 | 說明 |
---|---|
\u4e00-\u9fa5 | 漢字的unicode範圍 |
\u0030-\u0039 | 數字的unicode範圍 |
\u0041-\u005a | 大寫字母unicode範圍 |
\u0061-\u007a | 小寫字母unicode範圍 |
補充:python--中英文混合字串的切分(中文按字斷開,英文按單詞分開,數字按空格等特殊符號斷開)
待切分句子:
s = "12、China's Legend Holdings will split its several business arms to go public on stock markets,the group's president Zhu Linan said on Tuesd
程式設計客棧ay.該集團總裁朱利安週二表示,haha中國聯想控股將分拆其多個業務部門在股市上市,。"
切分結果:
['12','china','s','legend','holdings','will','split','its','several','business','arms','to','go','public','on','stock','markets','the','group','president','zhu','linan','said','tuesday','該','集','團','總','裁','朱','利','安','周','二','表','示','haha','中','國','聯','想','控','股','將','分','拆','其','多','個','業','務','部','門','在','市','上','市']
程式碼:
import re
def get_word_list(s1):
# 把句子按字分開,中文按字分,英文按單詞,數字按空格
regEx = re.compile('[\\W]*') # 我們可以使用正則表示式來切分句子LkMNXEwgXw,切分的規則是除單詞,數字外的任意字串
res = re.compile(r"([\u4e00-\u9fa5])") # [\u4e00-\u9fa5]中文範圍
p1 = regEx.split(s1.lower())
str1_list = []
for str in p1:
if res.split(str) == None:
str1_list.append(str)
else:
ret = res.split(str)
for ch in ret:
str1_list.append(ch)
list_word1 = [w for w in str1_list if len(w.strip()) > 0] # 去掉為空的字元
return list_word1
if __name__程式設計客棧 == '__main__':
s = "12、China's Legend Holdings will split its several business arms to go public on stock markets,the group's president Zhu Linan said on Tuesday.該集團總裁朱利安週二表示,haha中國聯想控股將分拆其多個業務部門在股市上市。"
list_word1=get_word_list(s)
print(list_word1)
以上為個人經驗,希望能給大家一個參考,也希望大家多多支援我們。如有錯誤或未考慮完全的地方,望不吝賜教。