Python使用正则表达式提取并转换中文年份为阿拉伯数字

Ivy

发布时间：2026-10-14 | 3人浏览过

原创

本文介绍如何在Python中利用正则表达式从文本中提取中文年份，并通过字典映射将其转换为阿拉伯数字。通过定义匹配规则和使用re.findall函数，结合自定义的中文数字到阿拉伯数字的映射字典，实现如“一九四九”到“1949”的自动转换，适用于文本清洗和历史数据解析场景。

利用正则表达式从文本中提取数字信息

以下示例演示如何从文本中提取中文表示的年份


import re
m0 = "在一九四九年新中国成立比一九九零年低百分之五点二人一九九六年击败俄军,取得实质独立"
pattrern1 = '[零一二三四五六七八九]{4,}'
pattrern2 = '[〇一二三四五六七八九零壹贰叁肆伍陆柒捌玖貮两]{4,}'
time1 = re.findall(pattrern1,m0)#转化数字

目标提取结果包括标准格式年份，例如：'1949', '1990', '1996'

此处提供多种正则表达式匹配样例供参考：example

将中文数字转换为阿拉伯数字

构建一个映射字典，用于将中文数字字符匹配并转换为对应的阿拉伯数值：


CN_NUM = {
 '〇': 0, '一': 1, '二': 2, '三': 3, '四': 4, '五': 5, '六': 6, '七': 7, '八': 8, '九': 9, '零': 0,
 '壹': 1, '贰': 2, '叁': 3, '肆': 4, '伍': 5, '陆': 6, '柒': 7, '捌': 8, '玖': 9, '貮': 2, '两': 2,}

for i in range(len(time1)):
 new_str = ''
 for j in time1[i]:
 new_str += str(CN_NUM[j])
 time1[i] = new_str
time1

执行上述逻辑后，即可得到转换结果，成功将示例中的中文年份转换为阿拉伯数字：'1949', '1990', '1996'

完整实现代码


# 2、将句子中年份的大写数字改为阿拉伯数字
import re
m0 = "在一九四九年新中国成立比一九九零年低百分之五点二人一九九六年击败俄军,取得实质独立"
pattrern1 = '[零一二三四五六七八九]{4,}'
pattrern2 = '[〇一二三四五六七八九零壹贰叁肆伍陆柒捌玖貮两]{4,}'
time1 = re.findall(pattrern1,m0)#转化数字
CN_NUM = {
 '〇': 0, '一': 1, '二': 2, '三': 3, '四': 4, '五': 5, '六': 6, '七': 7, '八': 8, '九': 9, '零': 0,
 '壹': 1, '贰': 2, '叁': 3, '肆': 4, '伍': 5, '陆': 6, '柒': 7, '捌': 8, '玖': 9, '貮': 2, '两': 2,}

for i in range(len(time1)):
 new_str = ''
 for j in time1[i]:
 new_str += str(CN_NUM[j])
 time1[i] = new_str
time1