我就廢話不多說了，大家還是直接看代碼吧~
|
1
2
3
4
5
6
7
8
|
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中國聯想控股將分拆其多個業務部門在股市上市,。"
切分結果：
['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', '想', '控', '股', '將', '分', '拆', '其', '多', '個', '業', '務', '部', '門', '在', '股', '市', '上', '市']
代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import redef get_word_list(s1): # 把句子按字分開，中文按字分，英文按單詞，數字按空格 regEx = re.compile('[\\W]*') # 我們可以使用正則表達式來切分句子，切分的規則是除單詞，數字外的任意字符串 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_word1if __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中國聯想控股將分拆其多個業務部門在股市上市。" list_word1=get_word_list(s) print(list_word1) |
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持服務器之家。如有錯誤或未考慮完全的地方，望不吝賜教。
原文鏈接：https://blog.csdn.net/CallMeYunzi/article/details/102506859
