Python3提取汉字的常用方法有以下几种：方法一：使用正则表达式（推荐）import re text = "你好，世界！Hello, World! 123"
最常用方式是正则匹配Unicode汉字区间：[\u4e00-\u9fff]覆盖常用字，[\u3400-\u4dbf]含扩展A区生僻字，[\u3000-\u303f]含中文标点；可组合使用，如re.findall(r'[\u4e00-\u9fff]+',text)提取连续汉字。
最常用方式是正则匹配Unicode汉字区间：[\u4e00-\u9fff]覆盖常用字，[\u3400-\u4dbf]含扩展A区生僻字，[\u3000-\u303f]含中文标点；可组合使用，如re.findall(r'[\u4e00-\u9fff]+', text)提取连续汉字。
Python3 提取汉字，核心是利用正则表达式匹配 Unicode 中文字符范围，或借助第三方库（如 jieba）做分词后筛选。最常用、轻量、无需额外依赖的方式是正则匹配。
用正则表达式提取纯汉字
中文汉字在 Unicode 中主要位于 \u4e00–\u9fff（基本汉字区），但实际还包含扩展 A 区（\u3400–\u4dbf）、扩展 B 区（部分超大字符集）、标点（如\u3000–\u303f）等。日常使用中，覆盖常用字可组合多个区间：
[\u4e00-\u9fff]：最常用，覆盖现代简体/繁体高频汉字[\u3400-\u4dbf]：CJK 扩展 A（生僻字、古籍用字）[\u3000-\u303f\u3040-\u309f\u30a0-\u30ff]：中文全角标点、平假名、片假名（按需添加）
示例代码：
import retext = "Hello你好！123世界?，测试「abc」。" hanzi = re.findall(r'[\u4e00-\u9fff]+', text) print(hanzi) # ['你好', '世界', '测试']
注意：+ 表示连续汉字连成一个字符串；若要单字拆分，改用 r'[\u4e00-\u9fff]'。
保留汉字并去除其他所有字符（包括空格标点）
适合清洗文本、构造纯汉字序列：
cleaned = re.sub(r'[^\u4e00-\u9fff]', '', text) print(cleaned) # '你好世界测试'
这个方法简单直接，但会丢弃所有非汉字内容，不含换行、空格、英文数字等。
用 jieba 分词后再过滤汉字（适合语义级提取）
当需要区分“词语”而非单字（比如排除“的”“了”等虚词，或保留“人工智能”这类复合词），可用 jieba 先分词，再按需筛选：
import jiebatext = "Python很强大，自然语言处理很重要！" words = jieba.lcut(text) hanzi_words = [w for w in words if re.fullmatch(r'[\u4e00-\u9fff]+', w)] print(hanzi_words) # ['Python', '很', '强大', '自然语言处理', '很重要']
⚠️ 注意：jieba 默认会保留英文单词（如 'Python'），所以需用正则二次判断是否纯汉字。若只想留中文词，建议加条件 len(w) > 1 and re.fullmatch(...) 过滤单字虚词（依任务而定）。
处理带拼音/注音/日文混排的文本
若文本含拼音（如 “zhong guo”）、日文假名或注音符号（ㄅㄆㄇ），可扩展正则范围或先清洗：
- 兼容常见拼音字母 + 空格 + 常见声调符号（如 ˉ ˊ ˇ ˋ）：一般建议先用正则剥离非汉字块，再对剩余部分提取
- 稳妥做法：先用
[^\u4e00-\u9fff\u3400-\u4dbf\u3000-\u303f]+替换为统一占位符，再提取
例如清理后只留汉字和中文标点：
basic_chinese = re.sub(r'[^\u4e00-\u9fff\u3000-\u303f]', ' ', text).strip() hanzi_only = ''.join(hanzi for hanzi in basic_chinese if '\u4e00' <= hanzi <= '\u9fff')
不复杂但容易忽略细节：Unicode 范围要写对，避免漏掉扩展区；正则用 re.findall 比 re.search 更适合批量提取；分词+过滤适合有语义要求的场景。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
