写这个jupyter的原因是好几次自己爬完新闻之后，发现中间有些是html标签代码或者其他多余的英文字符，自己也不想保留，那么这时候一个暴力简单的方法就是使用 unicode 范围 \u4e00 - \u9fff 来判别汉字
unicode 分配给汉字（中日韩越统一表意文字）的范围为 4E00-9FFF
（目前 unicode 6.3 的标准已定义到 9FCC ）
# 判断字符是否全是中文
def ishan(text):
# for python 3.x
# sample: ishan('一') == True, ishan('我&&你') == False
return all('\u4e00' <= char <= '\u9fff' for char in text)
ishan("asas112中国")
False
# 提取中文字符
import re
def extract_chinese(txt):
pattern = re.compile("[\u4e00-\u9fa5]")
return "".join(pattern.findall(txt))
extract_chinese("任命的。</p> <p>3G资本成立于2004年，是")
'任命的资本成立于年是'
还有一个是过滤HTML标签的强大工具
HTMLParser
from html.parser import HTMLParser
def strip_tags(html):
Python中过滤HTML标签的函数
>>> str_text=strip_tags("<font color=red>hello</font>")
>>> print str_text
hello
html = html.strip()
html = html.strip("\n")
result = []
parser = HTMLParser()
parser.handle_data = result.append
parser.feed(html)
parser.close()
result=''.join(result)
result = result.replace("\n", "")
return result
strip_tags("<font color=red>hello</font>")
'hello'
写这个jupyter的原因是好几次自己爬完新闻之后，发现中间有些是html标签代码或者其他多余的英文字符，自己也不想保留，那么这时候一个暴力简单的方法就是使用 unicode 范围 \u4e00 - \u9fff 来判别汉字unicode 分配给汉字（中日韩越统一表意文字）的范围为 4E00-9FFF（目前 unicode 6.3 的标准已定义到 9F...
python中
提取字符串的
中文或英文re中的sub函数
提取中文提取英文
提取数字re中的findall函数
提取中文提取英文
提取数字re中的compile函数同时匹配中英文数字去除其他
字符
提取中英文是我们在做数据处理时候经常使用的，最高效的做法就是通过正则判断了，下面是我写的笔记，希望对你有用
re中的sub函数
使用
Python 的re模块，re模块提供了re.sub用于替换
字符串中的匹配项。
re.sub(pattern, repl, string, count=0)
参数说明：
text = "中国面积为960万平方公里"
regStr = ".*?([\u4E00-\u9FA5]+).*?"
ch = re.findall(regStr, text) # 返回列表
if ch:
print(ch)
def main():
str = input("请输入
字符串：")
chinese = re.findall('[\u4e00-\u9fa5]', str) # 汉字的范围为"\u4e00-\u9fa5"
print(chinese)
if __name__ == '__main__':
main()
今天，有同事问我怎么批量从Excel某一列字符串中提取中文。以前我都是百度Excel使用技巧或者函数之类的，但是这次没有很好的解决方案，都是说用`TEXTJOIN(,,(IF(LENB(MID(A1,ROW(A1:A100),1))=2,MID(A1,ROW(A1:A100),1),"")))`函数的，本人测试后发现效果并不好，而且只能wps使用。
Python简洁又有强大的生态，可以使用win32com库来实现提取字符串的中文字符。本篇可以实现对Excel的读取、遍历、修改和保存操作，实现自己想要的效
在Python中，你可以使用多种方法来提取特定的字符串。以下是一些常用的方法：
1. 使用字符串的索引：如果你知道要提取的字符串的位置，你可以使用索引来获取它。例如，如果你要提取字符串的第一个字符，可以使用 `string[0]`。
2. 使用切片（slicing）：切片是一种获取字符串的子集的方法。你可以使用 `string[start:end]` 的语法来获取从 `start` 索引到 `end` 索引之间的子字符串。注意，`start` 索引是包含在结果中的，而 `end` 索引是不包含在结果中的。
3. 使用正则表达式：如果你需要根据某种模式来提取字符串，你可以使用正则表达式。Python的 `re` 模块提供了处理正则表达式的功能。
这只是提取特定字符串的几种常见方法，具体使用哪种方法取决于你的需求。如果你能提供更具体的要求，我可以给你提供更详细的代码示例。
