python通過re正則表達式切割中英文的操作

更新時間：2021年03月16日 15:17:21 作者：花各娜

這篇文章主要介紹了python通過re正則表達式切割中英文的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

我就廢話不多說了，大家還是直接看代碼吧~

import re 
s = 'alibaba阿里巴巴' # 待分割字符串
en_letter = '[\u0041-\u005a|\u0061-\u007a]+' # 大小寫英文字母
zh_char = '[\u4e00-\u9fa5]+' # 中文字符
 
print(re.findall(zh_char,s) + re.findall(en_letter,s))
 
# 輸出： ['阿里巴巴', 'alibaba']

范圍	說明
\u4e00-\u9fa5	漢字的unicode范圍
\u0030-\u0039	數(shù)字的unicode范圍
\u0041-\u005a	大寫字母unicode范圍
\u0061-\u007a	小寫字母unicode范圍

補充：python--中英文混合字符串的切分（中文按字斷開，英文按單詞分開，數(shù)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 Tuesday.該集團總裁朱利安周二表示，haha中國聯(lián)想控股將分拆其多個業(yè)務(wù)部門在股市上市,。"

切分結(jié)果：

['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', '周', '二', '表', '示', 'haha', '中', '國', '聯(lián)', '想', '控', '股', '將', '分', '拆', '其', '多', '個', '業(yè)', '務(wù)', '部', '門', '在', '股', '市', '上', '市']

代碼：

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(shù)字按空格
  regEx = re.compile('[\\W]*')  # 我們可以使用正則表達式來切分句子，切分的規(guī)則是除單詞，數(shù)字外的任意字符串
  res = re.compile(r"([\u4e00-\u9fa5])")  # [\u4e00-\u9fa5]中文范圍
  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] # 去掉為空的字符
  return list_word1
if __name__ == '__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.該集團總裁朱利安周二表示，haha中國聯(lián)想控股將分拆其多個業(yè)務(wù)部門在股市上市。"
  list_word1=get_word_list(s)
  print(list_word1)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。

您可能感興趣的文章: