python - 为什么这个 Python RegEx 管道不能同时选择两个 unicode 范围？

Question

包含平假名和片假名 unicode 字符的示例字符串：

myString = u"Eliminate ひらがな non-alphabetic カタカナ characters"

匹配两个范围的模式，根据： http ://www.rikai.com/library/kanjitables/kanji_codes.unicode.shtml

myPattern = u"[\u3041-\u309f]*|[\u30a0-\u30ff]*"

简单的 Python 正则表达式替换函数

import re
print re.sub(myPattern, "", myString)

回报：

Eliminate  non-alphabetic カタカナ characters

我可以让它工作的唯一方法是如果我分别使用这两个范围，一个接一个。是什么阻止了这个 RegEx 简单地选择 |-pipe 的两侧？

Answer 1

您需要将范围组合成一个字符类，否则它将匹配一个或另一个范围，而不是两者：

myPattern = u"[\u3041-\u309f\u30a0-\u30ff]*"

演示：

>>> myPattern = u"[\u3041-\u309f\u30a0-\u30ff]*"
>>> print re.sub(myPattern, "", u"Eliminate ひらがな non-alphabetic カタカナ characters")
Eliminate  non-alphabetic  characters

Answer 2

>>> myPattern = u"[\u3041-\u309f]|[\u30a0-\u30ff]"
>>> print re.sub(myPattern, "", myString)
Eliminate  non-alphabetic  characters
>>> 

编辑您也可以将两个字符类与 OR 运算符结合起来