如何过滤中文(仅限中文)

Question

我想将一些包含标点符号和全角符号的文本转换为纯中文文本.

maybe_re = re.compile("xxxxxxxxxxxxxxxxx") #TODO
print "".join(maybe_re.findall("??,?????????.??????"))

# I want out
?????????????

Answer 1

我不知道有什么好方法将汉字与其他字母分开，但你可以区分字母和其他字符。使用正则表达式，您可以使用r"\w"（re.UNICODE如果您使用的是 Python 2，则使用该标志进行编译）。这将包括数字和字母，但不包括标点符号。

unicodedata.category(c)会告诉你 c 是什么类型的字符。你的中文字母是“Lo”（不区分大小写的字母），而标点符号是“Po”。