前言

提取中英文是我們在做數據處理時候經常使用的，最高效的做法就是通過正則判斷了，下面是我寫的筆記，希望對你有用

一. re中的sub函數

使用Python 的re模塊，re模塊提供了re.sub用于替換字符串中的匹配項。

re.sub(pattern, repl, string, count=0)

參數說明：

• pattern：正則重的模式字符串
• repl：被拿來替換的字符串
• string：要被用于替換的原始字符串
• count：模式匹配后替換的最大次數，省略則默認為0，表示替換所有的匹配
  

1.1 提取中文

可以這樣想：我們可以通過將不是中文的字符替換為空不就可以了

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)
輸出：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)
輸出：helloHworld

1.3 提取數字

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)
輸出：123

二. re中的findall函數

在字符串中找到正則表達式所匹配的所有子串，并返回一個列表，如果沒有找到匹配的，則返回空列表。

語法格式為：

findall(string[, pos[, endpos]])

參數：

• string : 待匹配的字符串。
• pos : 可選參數，指定字符串的起始位置，默認為 0。
• endpos :可選參數，指定字符串的結束位置，默認為字符串的長度。 查找字符串中的所有數字：

擴展：正則中有match 和 search ，它們是是匹配一次，findall

匹配所有，具體了解可以到菜鳥教程查看

2.1 提取中文

2.2 提取英文

通俗寫法

import string#提供a-z的小寫字母
dd = "神的孩子hello在H唱歌,world"
#準備英文字符
temp=""
letters=string.ascii_lowercase#包含a-z的小寫字母
for word in dd:#for循環取出單個詞
    if word.lower() in letters:#判斷是否是英文
        temp+=word#添加組成英文單詞
print(temp)
輸出：helloHworld

正則

#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)
輸出：helloHworld

2.3 提取數字

#0-9注意這個數字前面不能\,要不然他連，都給算上
import re
dd = "神123的孩子hello在唱H歌。。,world"
result = ''.join(re.findall(r'[0-9]', dd)) 
print(result)
輸出：123

三. re中的compile函數

compile函數用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供其他函數使用。

語法格式為：

re.compile(pattern[, flags])

參數：

pattern : 一個字符串形式的正則表達式

flags : 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數為：

• re.I 忽略大小寫
• re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當前環境
• re.M 多行模式
• re.S即為 . 并且包括換行符在內的任意字符（. 不包括換行符）
• re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s,\S 依賴于 Unicode 字符屬性數據庫
• re.X 為了增加可讀性，忽略空格和 # 后面的注釋
  

3.1 同時匹配中英文數字去除其他字符

總結

到此這篇關于如何使用python提取字符串中英文的文章就介紹到這了,更多相關python提取字符串中英文內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！