python正则表达式中文匹配

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/shuaixingrumo/article/details/75115891

一般中文部分的unicode 值是4e00 - 9f5a， 但是要注意， 这是基本汉字编码范围， 还有一些扩展集， 后面介绍

下面例子标识我们要查找一段字符串中的汉字：

import re

s = "中华人民共和国， 简称中国， 英文China"

words = re.findall (r"[\u4e00-\u9f5a]+", s)
for word in words:
    print(word)

输出结果：

===================== RESTART: F:\python_project\test.py =====================
中华人民共和国
简称中国
英文
>>> 

这就找出了文本中的汉字部分

下面介绍一下扩展集， 并附上一张汉字编码表：

2E80－A4CF　

包 含了中日朝部首补充、康熙部首、表意文字描述符、中日朝符号和标点、日文平假名、日文片假名、注音字母、谚文兼容字母、象形字注释标志、注音字母扩展、中 日朝笔画、日文片假名语音扩展、带圈中日朝字母和月份、中日朝兼容、中日朝统一表意文字扩展A、易经六十四卦符号、中日韩统一表意文字、彝文音节、彝文字 根

 F900-FAFF

扫描二维码关注公众号，回复： 2986597 查看本文章

中日朝兼容表意文字

FE30-FE4F

中日朝兼容形式

汉字编码表：

字符集	字数	Unicode 编码
基本汉字	20902字	4E00-9FA5
基本汉字补充	38字	9FA6-9FCB
扩展A	6582字	3400-4DB5
扩展B	42711字	20000-2A6D6
扩展C	4149字	2A700-2B734
扩展D	222字	2B740-2B81D
康熙部首	214字	2F00-2FD5
部首扩展	115字	2E80-2EF3
兼容汉字	477字	F900-FAD9
兼容扩展	542字	2F800-2FA1D
PUA(GBK)部件	81字	E815-E86F
部件扩展	452字	E400-E5E8
PUA增补	207字	E600-E6CF
汉字笔画	36字	31C0-31E3
汉字结构	12字	2FF0-2FFB
汉语注音	22字	3105-3120
注音扩展	22字	31A0-31BA
〇	1字	3007