拆分韩文和数字

Question

我需要将韩文字母与两个数字分开。

韩文字母可以是一到三个字，使一切变得更加复杂。

以下是我所知道的一些韩国正则表达式代码：

ㄱ ~ ㅎ: 0x3131 ~ 0x314e
ㅏ ~ ㅣ: 0x314f ~ 0x3163
가 ~ 힣: 0xac00 ~ 0xd7a3

前面的数字总是4位数，另一个是5位数。

这里有些例子：

2019개회54321
2017가51584
2019가행견16997

我需要的应该是这样的：

Var_A = "2019"
Var_B = "가"
Var_C = "23220"

提前致谢 ;）

Answer 1

这里不需要正则表达式。由于您知道数字的长度，因此您可以将字符串切片。

要获得前4位数字：

yourString[:4]

获得韩国部分：

yourString[4:-5]

要获得最后5位数：

yourString[-5:]

如果你真的想要一个正则表达式，你可以使用这个：

^(\d{4})([\u3131-\u3163\uac00-\ud7a3]+?)(\d{5})$

请记住为Unicode匹配打开re.UNICODE选项。前4位，韩文和后5位分别位于组1,2和3中。

Answer 2

如果你真的想使用regex解决这个问题（这不是最好的解决方案，但可以在其他情况下使用）：

# -*- coding: utf-8 -*-
import re

cjkText = '2019개회54321'
regex = re.compile(r'^(\d{4})([ㄱ-ㅣ가-힣]+)(\d{5})$')
m = re.search(regex,cjkText)
try:
  var_A, var_B, var_C = m.group(1), m.group(2), m.group(3)
  print var_A
  print var_B
  print var_C
except:
  print 'Input string incorrect'

笔记：

ㄱ ~ ㅎ: 0x3131 ~ 0x314e
ㅏ ~ ㅣ: 0x314f ~ 0x3163
가 ~ 힣: 0xac00 ~ 0xd7a3

前两个连续的区间可以重新组合成一个大的区段ㄱ-ㅣ가-힣。

输出：

2019
개회
54321

正则表达式演示：https://regex101.com/r/P9oIXS/1/