用python提取字符串的中英文——建议收藏反复观看

灰太狼 2023-01-18 12:23 48阅读 0赞

### python中提取字符串的中文或英文 ###

*   *  一. re中的sub函数
     *   *   *  1.1 提取中文
             *  1.2 提取英文
             *  1.3 提取数字
     *  二. re中的findall函数
     *   *   *  2.1 提取中文
             *  2.2 提取英文
             *  2.3 提取数字
     *  三. 中的compile函数
     *   *   *  3.1 同时匹配中英文数字去除其他字符

前言：  
作者：神的孩子在歌唱

最近有小伙伴私信我python如何提取中英文

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjY1NDExNA_size_16_color_FFFFFF_t_70]

> 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：

> 1.  **pattern**：正则重的模式字符串
> 2.  **repl**：被拿来替换的字符串
> 3.  **string**：要被用于替换的原始字符串
> 4.  **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 ##

> 在字符串中找到**正则表达式**所匹配的**所有子串**，并返回一个**列表**，如果没有找到匹配的，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。 查找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[菜鸟教程查看][Link 1]

#### 2.1 提取中文 ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjY1NDExNA_size_16_color_FFFFFF_t_70 1]

#### 2.2 提取英文 ####

1.  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

1.  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. 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：

re.compile(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：
> 
> 1.  **re.I** 忽略大小写
> 2.  **re.L** 表示特殊字符集 \\w, \\W, \\b, \\B, \\s, \\S 依赖于当前环境
> 3.  **re.M** 多行模式
> 4.  **re.S**即为 `.` 并且包括换行符在内的任意字符（`.` 不包括换行符）
> 5.  **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
> 6.  **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 ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjY1NDExNA_size_16_color_FFFFFF_t_70 2]

> 本人博客：[https://blog.csdn.net/weixin\_46654114][https_blog.csdn.net_weixin_46654114]  
> 本人b站求关注：[https://space.bilibili.com/391105864][https_space.bilibili.com_391105864]  
> 转载说明：跟我说明，务必注明来源，附带本人博客连接。

请给我点个赞鼓励我吧  
![在这里插入图片描述][20200507113619405.png_pic_center]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjY1NDExNA_size_16_color_FFFFFF_t_70]: /images/20221021/c0b6e178167748d0bca82e9d3a4c4b1e.png
[Link 1]: https://www.runoob.com/python/python-reg-expressions.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjY1NDExNA_size_16_color_FFFFFF_t_70 1]: /images/20221021/fb5b6efd30bb4290aa83715d0fcdab7a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjY1NDExNA_size_16_color_FFFFFF_t_70 2]: /images/20221021/89728e4930854c40a7000f87d66c9fdc.png
[https_blog.csdn.net_weixin_46654114]: https://blog.csdn.net/weixin_46654114
[https_space.bilibili.com_391105864]: https://space.bilibili.com/391105864
[20200507113619405.png_pic_center]: /images/20221021/9cacf56e87f0402c9b2bda7d643ac071.png