python怎麽用正則表達式提取中文

Python re正則匹配中文，其實非常簡單，把中文的unicode字符串轉換成utf-8格式就可以了，然後可以在re中隨意調用

unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達式u”[\u4e00-\u9fa5]+”可以表示壹個或者多個中文字符

>>> import re

>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')

>>> s

u'\u4e2d\u6587\uff1a123456aa\u54c8\u54c8\u54c8bbcc'

>>> print s

中文：123456aa哈哈哈bbcc

>>> re.match(u"[\u4e00-\u9fa5]+",s)

<_sre.SRE_Match object at 0xb77742c0>

>>> pat='中文'.decode("utf8")

>>> re.search(pat,s)

<_sre.SRE_Match object at 0x16a16df0>

>>> newpat='這裏是中文內容'.decode("utf8")

>>> news=re.sub(pat,newpat,s)

>>> print news

這裏是中文內容：123456aa哈哈哈bbcc