python用正则表达式提取中文

Python re正则匹配中文，其实非常简单，把中文的unicode字符串转换成utf-8格式就可以了，然后可以在re中随意调用
unicode中中文的编码为/u4e00-/u9fa5，因此正则表达式u”[u4e00-u9fa5]+”可以表示一个或者多个中文字符
>>> import re

>>> s="中文：123456aa哈哈哈bbcc".decode("utf8")
>>> s
u"u4e2du6587uff1a123456aau54c8u54c8u54c8bbcc"
>>> print s
中文：123456aa哈哈哈bbcc

>>> re.match(u"[u4e00-u9fa5]+",s)
<_sre.SRE_Match object at 0xb77742c0>

>>> pat="中文".decode("utf8")
>>> re.search(pat,s)
<_sre.SRE_Match object at 0x16a16df0>

>>> newpat="这里是中文内容".decode("utf8")

>>> news=re.sub(pat,newpat,s)
>>> print news
这里是中文内容：123456aa哈哈哈bbcc

from:http://blog.aizhet.com/web/12078.html