python正则中如何匹配汉字以及encode(‘utf-8’)和decode(‘utf-8’)的互转

正则表达式：
　　[\u2E80-\u9FFF]+$ 匹配所有东亚区的语言 
　　[\u4E00-\u9FFF]+$ 匹配简体和繁体 
　　[\u4E00-\u9FA5]+$ 匹配简体 
　　<input type="text" name="username" onkeyup="value=value.replace([\u4E00-\u9FA5]+$)">

正则表达式速查表：https://www.jb51.net/shouce/jquery1.82/regexp.html

  1 # -*- coding:utf-8 -*-
  2
  3 import re
  4
  5 '''
  6 python 3.5版本
  7 正则匹配中文，固定形式：\u4E00-\u9FA5
  8 '''
  9
 10 words = 'study in 山海大学'
 11 regex_str = ".*?([\u4E00-\u9FA5]+大学)"
 12 match_obj = re.match(regex_str, words)
 13 if match_obj:
 14     print(match_obj.group(1))
 15
 16
 17 结果：山海大学

这里面表示的是一个正则表达式语句的啦，http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

Python添加对Unicode的支持，以Unicode表示的字符串用u’ABC’来表示。
字符串’xxx’虽然是ASCII编码，但也可以看成是UTF-8编码，而u’xxx’则只能是Unicode编码。

把u’xxx’转换为UTF-8编码的’xxx’用encode(‘utf-8’)方法。

 >>> u'ABC'.encode('utf-8')
 'ABC'
 >>> u'中文'.encode('utf-8')
 '\xe4\xb8\xad\xe6\x96\x87

反过来，把UTF-8编码表示的字符串’xxx’转换为Unicode字符串u’xxx’用decode(‘utf-8’)方法。

 >>> 'abc'.decode('utf-8')
 u'abc'
 >>> '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
 u'\u4e2d\u6587'
 >>> print '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
 中文

由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行：

 #!/usr/bin/env python
 # -*- coding: utf-8 -*-

第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；

第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。

关于Python正则表达式匹配中文：

这里边重点用到了  r'[\u4e00-\u9fa5]+'  的正则规则，表示1到多个任意汉字。

 import re
 str=u"【心理箴言】现实是污浊的河流，要想接受污浊的河流而自身不被污染，我们必须成为大海。 ​​=-=4845/.?'​"
 # py2.7，所以字符串前加u，在正则表达式前也加u即可。
 # pattern =re.compile(u'[\u4e00-\u9fa5]')
 pattern =re.compile(r"[\u4e00-\u9fa5]+")
 result=pattern.findall(str)
 result1=re.findall(pattern,str)
 for w in result:
     print(w)

 str1='hjggj小vjjk明'
 pat=re.compile(r'[\u4e00-\u9fa5]+')
 result=pat.findall(str1)
 print(result)

运行结果：

如果全是汉字 指定输出某些汉字呢：

见 Unicode 中文编码表： https://www.bejson.com/convert/unicode_chinese/