Ⅰ python pandas 過濾某列特殊字元求助
改成r="\W"試試
Ⅱ Python判斷字元串中是否有中文字元
首先，在Python中字元串的表示是 用unicode編碼。所以在做編碼轉換時，通常要以unicode作為中間編碼。
decode的作用是將其他編碼的字元串轉換成unicode編碼，比如 a.decode('utf-8')，表示將utf-8編碼的字元串轉換成unicode編碼
encode的作用是將unicode編碼的字元串轉換成其他編碼格式的字元串，比如b.encode('utf-8')，表示將unicode編碼格式轉換成utf-8編碼格式的字元串
判斷一個字元串中是否含有中文字元：
好了，有了以上知識，就可以很容易的解決這個問題了。這是代碼
1 #-*- coding:utf-8 -*-
2
3 import sys
4 reload(sys)
5 sys.setdefaultencoding('utf8')
6
7 def check_contain_chinese(check_str):
8 for ch in check_str.decode('utf-8'):
9 if u'\u4e00' <= ch <= u'\u9fff':
10 return True
11 return False
12
13 if __name__ == "__main__":
14 print check_contain_chinese('中國')
15 print check_contain_chinese('xxx')
16 print check_contain_chinese('xx中國')
17
18 結果：
19 True
20 False
21 True
Ⅲ Python 3.5 如何對中文字元串進行處理
在Python的string前面加上『r』， 是為了告訴編譯器這個string是個raw string，不要轉意backslash '\' 。 例如，\n 在raw string中，是兩個字元，\和n， 而不會專轉意為換行符。由於正則表達式和 \ 會有沖突，因此，當一個字元串使用了正則表達式後，最好在前面加上'r'。
在[]中
-長用來指定一個字元集，在屬這個字元集中的一個可以拿來匹配：[abc] [a-z]
-元字元在在字元集中不起作用
-在[]內用^表示補集，用來匹配不在區間范圍內的字元
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中任意一個數字，等價於[0123456789]
[\u4e00-\u9fa5]表示任意一個漢字
[^a1<]表示除「a」、「1」、「<」外的其它任意一個字元
[^a-z]表示除小寫字母外的任意一個字元
Ⅳ 如何用python對文章中文分詞並統計詞頻
1、全局變數在函數中使用時需要加入global聲明
2、獲取網頁內容存入文件時的編碼為ascii進行正則匹配時需要decode為GB2312，當匹配到的中文寫入文件時需要encode成GB2312寫入文件。
3、中文字元匹配過濾正則表達式為ur'[\u4e00-\u9fa5]+',使用findall找到所有的中文字元存入分組
4、KEY，Value值可以使用dict存儲，排序後可以使用list存儲
5、字元串處理使用split分割，然後使用index截取字元串，判斷哪些是名詞和動詞
6、命令行使用需要導入os,os.system(cmd)
Ⅳ Python：如何過濾特殊字元和亂碼的字元
如果是從Html文本弄來的，那直接download Html的源代碼，然後直接替換其中的<div class="">這里是隨機字元串</div>
Python裡面使用xml.minidom就OK
Ⅵ python3怎樣過濾字元串中的表情
importre
emoji_pattern=re.compile(
u"(ud83d[ude00-ude4f])|"#emoticons
u"(ud83c[udf00-uffff])|"#symbols&pictographs(1of2)
u"(ud83d[u0000-uddff])|"#symbols&pictographs(2of2)
u"(ud83d[ude80-udeff])|"#transport&mapsymbols
u"(ud83c[udde0-uddff])"#flags(iOS)
"+",flags=re.UNICODE)defremove_emoji(text):
returnemoji_pattern.sub(r'',text)
來自：http://blog.csdn.net/orangleliu/article/details/67632628?utm_source=gold_browser_extension
上面那個有時不好用，
try:
#pythonUCS-4build的處理方式
highpoints=re.compile(u'[U00010000-U0010ffff]')
exceptre.error:
#pythonUCS-2build的處理方式
highpoints=re.compile(u'[uD800-uDBFF][uDC00-uDFFF]')
resovle_value=highpoints.sub(u'??',src_string)
嘗試一下這個。
Ⅶ Python3.6.3 中BeautifSoup過濾標簽中的文本
直接span.string就可以取出代碼里的字元串，包括中文
你在for循環那裡，最後兩行去掉，用print(six.string)代替就行
Ⅷ Python 正則表達式 支持批量語料過濾中文字元之間的空格
|^
#encoding:UTF-8
importre
importsys
reload(sys)
sys.setdefaultencoding('utf-8')
source="你好啊hellohi"
usample=unicode(source,'utf8')
xx=u"((?<=[u4e00-u9fa5])s+(?=[u4e00-u9fa5])|回^答s+|s+$)"
temp=re.sub(xx,'',usample);
printtemp;
Ⅸ 如何使用python刪除中文字元串中不連續的空白字元
#用正則
importre
str1='helloworld '
str2=re.sub(r's','',str1)
#正則's'表示空白字元,包括空版格、 等權..
printstr2#輸出helloworld
Ⅹ Python中中文字元串怎麼處理
如果處理的字元串中出現中文表示的字元，要想不出錯，就得轉成unicode編碼了。具體的方法有：
1、decode()，將其他邊編碼的字元串轉換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字元串str1轉換成unicode編碼；
2、encode()，將unicode編碼轉換成其他編碼的字元串，如str2.encode('gb2312')，表示將unicode編碼的字元串str2轉換成gb2312編碼；
3、unicode()，同decode()，將其他編碼的字元串轉換成unicode編碼，如unicode(str3, 'gb2312')，表示將gb2312編碼的字元串str3轉換成unicode編碼。
轉碼的時候一定要先搞明白字元串str是什麼編碼，然後decode成unicode，最後再encode成其他編碼。
另外，對一個unicode編碼的字元串在進行解碼會出錯，所以在編碼未知的情況下要先判斷其編碼方式是否為unicode，可以用isinstance(str, unicode)。
不僅是中文，以後處理含非ascii編碼的字元串時，都可以遵循以下步驟：
1、確定源字元的編碼格式，假設是utf8；
2、使用unicode()或decode()轉換成unicode編碼，如str1.decode('utf8')，或者unicode(str1, 'utf8');
3、把處理後字元串用encode()編碼成指定格式。