Question

请给我一系列的utf-8 例如：

>>> s
'\xe9\x98\xbf\xe5\xaf\x8c\xe6\xb1\x97Afghanistan'
>>>re.findall('[\x00-\xff]+',s)
['\xe9\x98\xbf\xe5\xaf\x8c\xe6\xb1\x97Afghanistan']

我需要出局：

'\xe9\x98\xbf\xe5\xaf\x8c\xe6\xb1\x97'

Answer 1

尝试使用此正则表达式模式仅查找非ascii。

re.findall(r'[^\x00-\x7f]',s)

Answer 2

使用'[\x00-\xff]'，您正在选择所有可能的字符。

在您的情况下，您需要的是更小的范围。对于非ASCII，请尝试：

输入：

re.findall('[^\x00-\x7f]', s)

<强>输出：

['\xe9', '\x98', '\xbf', '\xe5', '\xaf', '\x8c', '\xe6', '\xb1', '\x97']

如果您需要输出不是列表，而是单个字符串（正如您在问题的最后一行中指定的那样，只需这样做

输入：

re.findall('[^\x00-\x7f]+', s)[0]

输出

'\xe9\x98\xbf\xe5\xaf\x8c\xe6\xb1\x97'