标签：
在处理文本时经常会匹配中文名或者英文word，python中可以在utf-8编码下方便的进行处理。
中文unicode编码范围[\u4e00-\u9fa5]
英文字符编码范围[a-zA-Z]
此时匹配连续的中文或者英文就很方便了，例如：
>>> import re >>> strings = u‘中国china美国American‘ >>> print strings 中国china美国American >>> ch_pat = re.compile(ur‘[\u4e00-\u9fa5]+‘) >>> en_pat = re.compile(‘[a-zA-Z]+‘) >>> ch_words = ch_pat.findall(strings) >>> en_words = en_pat.findall(strings) >>> print ch_words [u‘\u4e2d\u56fd‘, u‘\u7f8e\u56fd‘] >>> print en_words [u‘china‘, u‘American‘]
标签：
原文地址：http://www.cnblogs.com/chybot/p/4665389.html
