(方法总结)Python从字符串中快速提取中文三大法

已知字符串 a_str &＃61; &＃39;404 not found 张三 23 深圳&＃39;, 每个词中间都是空格, 要求只输出字符串中的中文?

方法一:

• 使用正则表达式: \w&＃43;, re.A即指ASCII编码, 可匹配除中文以外的单词字符, 得到新列表
• 利用 去同存异 的方法

a_str &＃61; &＃39;404 not found 张三 23 深圳&＃39;import rea_list &＃61; a_str.split(" ") # [&＃39;404&＃39;, &＃39;not&＃39;, &＃39;found&＃39;, &＃39;张三&＃39;, &＃39;23&＃39;, &＃39;深圳&＃39;]res &＃61; re.findall(r&＃39;\w&＃43;&＃39;, a_str, re.A) # [&＃39;404&＃39;, &＃39;not&＃39;, &＃39;found&＃39;, &＃39;23&＃39;]new_list &＃61; []
for i in a_list:if i not in res:new_list.append(i)print(" ".join(new_list))# 输出结果
张三 深圳

方法二:

• 正则表达式: [\u4e00-\u9fa5], 只匹配汉字
• 依据汉字的Unicode码表: 从u4e00~u9fa5, 即代表了符合汉字GB18030规范的字符集

import rea_str &＃61; &＃39;404 not found 张三 23 深圳&＃39;a_list &＃61; re.findall(r&＃39;[\u4e00-\u9fa5]&＃39;, a_str)print(a_list)# 输出结果
[&＃39;张&＃39;, &＃39;三&＃39;, &＃39;深&＃39;, &＃39;圳&＃39;]

方法三:

• 正则表达式: [^\x00-\xff], 只匹配非ASCII码字符(也称双字节字符), 利用汉字为: 双字节字符的原理

import rea_str &＃61; &＃39;404 not found 张三 23 深圳&＃39;a_list &＃61; re.findall(r&＃39;[^\x00-\xff]&＃39;, a_str)print(a_list)# 输出结果
[&＃39;张&＃39;, &＃39;三&＃39;, &＃39;深&＃39;, &＃39;圳&＃39;]