python - 使用 Python 和正则表达式查找字符串中的所有中文文本

Question

我今天需要从一堆字符串中去除中文，并且正在寻找一个简单的 Python 正则表达式。有什么建议吗？

Answer 1

Python 2:

#!/usr/bin/env python
# -*- encoding: utf8 -*-


import re

sample = u'I am from 美国。We should be friends. 朋友。'
for n in re.findall(ur'[\u4e00-\u9fff]+',sample):
    print n

Python 3:

sample = 'I am from 美国。We should be friends. 朋友。'
for n in re.findall(r'[\u4e00-\u9fff]+', sample):
    print(n)

输出:

美国
朋友

关于Unicode code blocks :

4E00—9FFF 范围涵盖 CJK Unified Ideographs (CJK=中文、日文和韩文)。在某种程度上，有许多较低的范围与 CJK 相关:

31C0—31EF CJK Strokes
31F0—31FF Katakana Phonetic Extensions
3200—32FF Enclosed CJK Letters and Months
3300—33FF CJK Compatibility
3400—4DBF CJK Unified Ideographs Extension A
4DC0—4DFF Yijing Hexagram Symbols
4E00—9FFF CJK Unified Ideographs