Python使用中文正则表达式来匹配指定的中文字符串

本文说明了Python使用中文正则表达式匹配指定中文字符串的方法。分享给大家参考，如下：

业务场景：

从中文句子中匹配指定的中文子字符串。我在工作中遇到过很多这样的情况，总结如下。

困难：

处理字符代码，如GBK和utf8，汉字包含在常规匹配模式中，所以如果汉字要正常工作，我们必须非常小心。建议统一utf8编码，如果不是最好的情况，我们可以自行处理。

通常，一个通用的正则表达式会简化程序和代码的处理，使过程变得简单，事半功倍，这往往是高手和新手最显著的区别。

示例1 :

具体的省市县等词是从QQ无罪数据库分析出来的，这里的正则表达式基本可以满足业务场景，偷懒匹配？这是非常必要的，因为如果我们处理不好，就不会得到我们想要的结果。它的美，请读者自己去琢磨，我现在只想摸摸它！代码如下：

#!/usr/bin/env python # encoging : uft-8 # description :从字符串中提取省、市、县的名称。导入重新导入系统重新加载系统。设置默认编码(' utf8') #匹配规则必须包含u或r#。这里第一个分组的问号是惰性匹配，这是必须要做的。pattern=\ ur' ([\ u4e00-\ u9fa5] {2，5}？(?省|自治区|市([\u4e00-\u9fa5]{2，7}？(?市|区|县|州){0，1}([\u4e00-\u9fa5]{2，7}？(?市|区|县)){0，1}'data_list=['北京'，'陕西省Xi市雁塔区'，'北京市海淀区'，'黑龙江省佳木斯市汤原县'，'内蒙古自治区赤峰市'，'贵州省黔南州贵定县'，'伊犁州奎屯市， 新疆维吾尔自治区']对于data _ list : data _ utf8=data . decode(' utf8 ')Print data _ utf8 country=data省份=' city=' ' district=' ' # PATTERN=re.compile(PATTERN n3)PATTERN=re.compile(PATTERN)m=PATTERN . search(data _ utf8)如果不是m : Print country ' | | ' continue # Print m . group()country=' China '如果m.lastindex=1:省份=m.group (1)如果m . last

例2:

从ip138获取指定ip的地理位置。

Ip138是我们每天使用比较频繁的一个Ip查询网站。我需要查询这个页面，以便获得每个ip对应的isp信息。

我在网上搜索了很久，但是找不到ip138返回json等接口，所以只能这样查询，所以我们不可避免的需要分析上面红框中标注的isp信息。如果用DOM来解析和指定div标签，恐怕不行。更简单的方法是使用中文规则匹配，直接从返回的html中获取“本站主数据”的信息。

这是我摸索的代码

#!/usr/bin/env python # encoding : utf-8 # date : 2016-03-31 # note :对于测试中遇到的问题，在请求指定链接时会出现超时现象。您可以多次请求导入请求。是否重新导入sys reload(sys)sys . setdefaultencoding(' utf8 ')IP138 _ API=' http://www . IP138.com/IPS 138 . ASP？Ip=' PATTERN=ur 'li此网站的主数据：(。*?)/Li ' def query _ API(URL): data=' ' r=requests . get(URL)if r . status _ code==200: data=r . content return datadef parse _ IP 138(html): #它只能用unicode编码，以后不能转换为utf-8，否则不能定期匹配。html=unicode (html，' gb2312') # html=unicode (html，' gb2312 ')。encode(' utf-8 ')# print html PATTERN=re.compile(PATTERN)m=PATTERN . search(html)如果m : print m . group(1)else : print ' regex match failed '如果_ _ name _ _==' _ _ main _ _ _ ' 3360 URL=IP 138 _ API ' 14 . 192 . 60 . 0 ' resp=query _ API(URL)如果没有resp3360print ' no content ' parse

PS:这里有两个非常方便的正则表达式工具，供大家参考：

JavaScript正则表达式在线测试工具：http://tools.jb51.net/regex/javascript

在线正则表达式生成工具：http://tools.jb51.net/regex/create_reg

有关Python的更多信息，请参考本网站的主题：《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》和《Python入门与进阶经典教程》

希望本文对Python编程有所帮助。