如何使用python提取字符串的中英文（正则判断）_Python

如何使用python提取字符串的中英文（正则判断）

2021-11-01 09:53神的孩子都在歌唱 Python

这篇文章主要给大家介绍了关于如何使用python提取字符串中英文的相关资料,主要通过正则re中的sub函数、findall函数以及compile函数判断来实现，需要的朋友可以参考下

前言

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：

pattern：正则重的模式字符串
repl：被拿来替换的字符串
string：要被用于替换的原始字符串
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

2.1 提取中文

如何使用python提取字符串的中英文（正则判断）

2.2 提取英文

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

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