# encoding: UTF-8
import re
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
def extract_number(input):
match = re.search(u"[\u4e00-\u9fa5]+", input)
return match.group()
if __name__ == "__main__":
print extract_number(unicode("dss2第三季度建安大sdssd43fds",'utf8'))
#python3使用如下:
# encoding: UTF-8
import re
def extract_number(input):
match = re.search("[\u4e00-\u9fa5]+", input)
return match.group()
if __name__ == "__main__":
print (extract_number("dss2第三季度建安大sdssd43fds"))
在Python的string前面加上‘r’, 是为了告诉编译器这个string是个raw string,不要转意backslash '\' 。 例如,\n 在raw string中,是两个字符,\和n, 而不会转意为换行符。由于正则表达式和 \ 会有冲突,因此,当一个字符串使用了正则表达式后,最好在前面加上'r'。在[]中
-长用来指定一个字符集,在这个字符集中的一个可以拿来匹配:[abc] [a-z]
-元字符在在字符集中不起作用
-在[]内用^表示补集,用来匹配不在区间范围内的字符
s=r'aba' 匹配abc
s=r't[io]p' 匹配tip或者top
s=r't[a-z0-9A-Z]'匹配t+0-9或者a-z或者A-Z
[abc]表示“a”或“b”或“c”
[0-9]表示0~9中任意一个数字,等价于[0123456789]
[\u4e00-\u9fa5]表示任意一个汉字
[^a1<]表示除“a”、“1”、“<”外的其它任意一个字符
[^a-z]表示除小写字母外的任意一个字符
line = "000我是中国人111"# matchMe = re.match("^[\u4e00-\u9fa5]+")
matchObj = re.match(r'.*([\u4e00-\u9fa5]+).*', line, re.L)
if matchObj:
print "matchObj.group() : ", matchObj.group()
print "matchObj.group(1) : ", matchObj.group(1)
print "matchObj.group(2) : ", matchObj.group(2)
else:
print "No match!!"