1. 程式人生 > 程式設計 >python通過re正則表示式切割中英文的操作

python通過re正則表示式切割中英文的操作

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]
http://www.cppcns.com
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。