如何用 Python 判断一个字符串里出现了多少个汉字 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
Livid
55.23D
463.88D
V2EX    Python

如何用 Python 判断一个字符串里出现了多少个汉字

  •  
  •   Livid
    PRO
    2018-03-29 14:47:26 +08:00 7259 次点击
    这是一个创建于 2756 天前的主题,其中的信息可能已经有所发展或是发生改变。
    请教一种最简洁的实现方式,谢谢各位。
    16 条回复    2018-03-31 12:23:22 +08:00
    lululau
        1
    lululau  
       2018-03-29 14:53:27 +08:00   1
    len(re.findall(ur'[\u4e00-\u9fff]', sample)

    不过我感觉在文本处理的技术层面,所谓“汉字”应该是没有准确定义的
    SuperMild
        2
    SuperMild  
       2018-03-29 14:54:06 +08:00
    如果要区分日语、俄语等各国语言就比较麻烦了
    whoami9894
        3
    whoami9894  
       2018-03-29 14:54:48 +08:00 via Android   2
    正则[\u4e00-\u9fa5]+
    b821025551b
        4
    b821025551b  
       2018-03-29 14:58:02 +08:00
    上面提供的 unicode 编码范围应该不完全,比如“”这个字,它是不是汉字?
    muziki
        5
    muziki  
       2018-03-29 15:00:01 +08:00 via iPhone
    import jieba
    larsenlouis
        6
    larsenlouis  
       2018-03-29 15:23:12 +08:00
    fork
        7
    fork  
       2018-03-29 15:51:57 +08:00
    @SuperMild 俄语里也会有汉字?
    huhujin
        8
    huhujin  
       2018-03-29 15:56:10 +08:00
    ```

    class Char(object):
    widths = [
    (126, 1), (159, 0), (687, 1), (710, 0), (711, 1),
    (727, 0), (733, 1), (879, 0), (1154, 1), (1161, 0),
    (4347, 1), (4447, 2), (7467, 1), (7521, 0), (8369, 1),
    (8426, ), (9000, 1), (9002, 2), (11021, 1), (12350, 2),
    (12351, 1), (12438, 2), (12442, 0), (19893, 2), (19967, 1),
    (55203, 2), (63743, 1), (64106, 2), (65039, 1), (65059, 0),
    (65131, 2), (65279, 1), (65376, 2), (65500, 1), (65510, 2),
    (120831, 1), (262141, 2), (1114109, 1),
    ]

    @classmethod
    def get_char_width(cls, o):
    o = ord(o)
    if o == 0xe or o == 0xf:
    return 0
    for num, wid in cls.widths:
    if o <= num:
    return wid
    return 1

    @classmethod
    def get_string_width(cls, string):
    # 显示文字的宽度
    return sum(map(cls.get_char_width, string))

    ```
    hicdn
        9
    hicdn  
       2018-03-29 16:08:03 +08:00
    简单除暴实现,假设文本只包含 ASCII 字符和中文

    In [50]: bs
    Out[50]: b'>\xe5\xa6\x82\xe4\xbd\x95\xe7\x94\xa8 Python \xe5\x88\xa4\xe6\x96\xad\xe4\xb8\x80\xe4\xb8\xaa\xe5\xad\x97\xe7\xac\xa6\xe4\xb8\xb2\xe9\x87\x8c\xe5\x87\xba\xe7\x8e\xb0\xe4\xba\x86\xe5\xa4\x9a\xe5\xb0\x91\xe4\xb8\xaa\xe6\xb1\x89\xe5\xad\x97 - V2EX'

    In [51]: s = bs.decode()

    In [52]: s
    Out[52]: '>如何用 Python 判断一个字符串里出现了多少个汉字 - V2EX'

    In [53]: [i for i in s if ord(i) not in range(0x20, 0x7f)]
    Out[53]:
    ['如',
    '何',
    '用',
    '判',
    '断',
    '一',
    '个',
    '字',
    '符',
    '串',
    '里',
    '出',
    '现',
    '了',
    '多',
    '少',
    '个',
    '汉',
    '字']
    hicdn
        10
    hicdn  
       2018-03-29 16:12:36 +08:00
    接上条,\r 和 \n 也算进去了,用 0x00 替换 0x20
    qsnow6
        11
    qsnow6  
       2018-03-29 16:25:30 +08:00
    用正则去搜索 unicode 编码表应该是最优方案了
    oncethink
        12
    oncethink  
       2018-03-29 16:44:16 +08:00
    !pip install zhon
    import re
    import zhon
    len(re.findall('[{}]'.format(zhon.hanzi.characters),"中文"))
    xpresslink
        13
    xpresslink  
       2018-03-29 23:12:47 +08:00
    2E80 ~ 33FFh:中日韩符号区。收容康熙字典部首、中日韩辅助部首、注音符号、日本假名、韩文音符,中日韩的符号、标点、带圈或带括符文数字、月份,以及日本的假名组合、单位、年号、月份、日期、时间等。
    3400 ~ 4DFFh:中日韩认同表意文字扩充 A 区,总计收容 6,582 个中日韩汉字。
    4E00 ~ 9FFFh:中日韩认同表意文字区,总计收容 20,902 个中日韩汉字。
    A000 ~ A4FFh:彝族文字区,收容中国南方彝族文字和字根。
    AC00 ~ D7FFh:韩文拼音组合字区,收容以韩文音符拼成的文字。
    F900 ~ FAFFh:中日韩兼容表意文字区,总计收容 302 个中日韩汉字。
    FB00 ~ FFFDh:文字表现形式区,收容组合拉丁文字、希伯来文、阿拉伯文、中日韩直式标点、小符号、半角符号、全角符号等。
    fanhaipeng0403
        14
    fanhaipeng0403  
       2018-03-30 10:21:02 +08:00
    jieba
    robinlovemaggie
        15
    robinlovemaggie  
       2018-03-30 11:39:41 +08:00
    面试算法题既视感。。。逃~~
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     5821 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 30ms UTC 01:45 PVG 09:45 LAX 18:45 JFK 21:45
    Do have faith in what you're doing.
    ubao snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86