Python過濾非中文文章的方法

import re
def check_chinese(text):
"""檢查文本是否為中文"""
chinese = re.compile(r"[\u4e00-\u9fa5]+")
result = chinese.search(text)
if result:
return True
else:
return False
def filter_non_chinese(text):
"""過濾掉非中文字符"""
chinese = re.compile(r"[\u4e00-\u9fa5]+")
result = chinese.findall(text)
return ''.join(result)
# 讀取文件
with open('example.txt', 'r', encoding='utf-8') as f:
text = f.read()
# 過濾掉非中文字符
filtered_text = filter_non_chinese(text)
# 輸出結果
print(filtered_text)

說明：

1. 首先定義了一個用于檢查文本是否為中文的函數check_chinese()。

2. 接著定義了一個用于過濾非中文字符的函數filter_non_chinese()。

3. 使用正則表達式[\u4e00-\u9fa5]+匹配出中文字符。

4. 最后讀取文件example.txt，并對其進行過濾，然后輸出結果。

注意：

1. 本文只是一個簡單的例子，實際情況中需要考慮的問題更多，如英文字符大小寫轉換、標點符號等。

2. 使用正則表達式過濾掉非中文字符也可能會過濾掉一些有效信息，需要根據實際情況進行調整。