清理非中文
def is_ustr(in_str):
out_str=''
for i in range(len(in_str)):
if is_uchar(in_str[i]):
out_str=out_str+in_str[i]
else:
out_str=out_str+' '
return out_str
def is_uchar(uchar):
"""判断一个unicode是否是汉字"""
if uchar >= u'\u4e00' and uchar<=u'\u9fa5':
return True
"""判断一个unicode是否是数字"""
if uchar >= u'\u0030' and uchar<=u'\u0039':
return False
"""判断一个unicode是否是英文字母"""
if (uchar >= u'\u0041' and uchar<=u'\u005a') or (uchar >= u'\u0061' and uchar<=u'\u007a'):
return False
if uchar in ('-',',',',','。','.','>','?'):
return False
return False