如何在Python中解析非英语混合文本

我通过解析图像生成了以下随机数据-

我想生成一个csv，需要从文本中提取以下数据

नाम, पति का नाम, मकान संख्या, आयु, लिंग

问题:

我们可以使用正则表达式在python中解析非英语字符吗

如果您能展示一个关于如何获取字段值的小演示，那就太好了

---

谢谢

您是否已经知道您使用的是哪种语言？ 如果是，可以帮助您获得正交字母表的范围。 如果没有，可以帮助您了解正交语言所处的范围，然后您可以使用其中一个来定义正则表达式范围，以细化该正交语言特定的每个字符

我不知道您是否有文件或数据已经存储在python中，因此我将避免代码中的循环以匹配每一行，但以下正则表达式应允许您获得所需的内容：

regex = ur'[\u0020-\u007F]' # This is basic Latin orthographic language range if you want multiple ranges you can use ur'[\u0020-\u007F\u00A0-\u00FF]'
regex = regex.decode("raw-unicode-escape")
reg_compiled = re.compile(regex)
de_item = item.decode('utf-8') #Item stands for your string/line/variable or whatsoever
if reg.search(de_item):
   return item # or print(item)

我知道每件事都非常冗长，但我更喜欢代码非常清晰，以便阅读它的人能够立即理解它

由您决定是什么项目，但如果您有：

आयु, hello लिंग

---

作为一项，它将返回整个字符串

您是否使用Python3？如果是，则支持unicodes。Regex适用于您的案例并经过测试。检查findallr'नाम','नाम, पति का नाम, मकान संख्या, आयु, लिंग' 返回['नाम', 'नाम']有多个，我必须为每个创建一行नाम, पति का नाम, मकान संख्या, आयु, लिंग 关于findallr'नाम' 返回忽略行的所有名称。无法分组。@ElonMusk请提供一个。这有助于我们提供解决方案。