python - Python字母重复替换Unicode字符串

Question

我需要替换字符串中的两个输入错误的字母，例如“bbig”。但它仅适用于拉丁字母，不适用于西里尔字母。我在 Centos Linux 下使用 Python 2.6.6 版本。

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
def reg(item):
  item = re.sub(r'([A-ZА-ЯЁЄЇІ])\1', r'\1', item, re.U)
  #this work only with latin too
  #item = re.sub(r'(.)\1', r'\1', item, re.U)
  return item

print reg('ББООЛЛЬЬШШООЙЙ')
print reg('BBIIGG')

上面的代码返回：

• ББООЛЛЬЬШШООЙЙ
• 大的

我做错了什么？谢谢你的帮助。

Answer 1

您正在使用字节字符串。这使您使用的所有内容都匹配并替换字节。如果您想匹配和替换字母，那将不起作用。

改用 unicode 字符串：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
def reg(item):
  item = re.sub(ur'([A-ZА-ЯЁЄЇІ])\1', r'\1', item, re.U)
  #this work only with latin too
  #item = re.sub(r'(.)\1', r'\1', item, re.U)
  return item

print reg(u'ББООЛЛЬЬШШООЙЙ')
print reg(u'BBIIGG')

请注意，这适用于预先组合的字符，但会与使用组合标记组合的字符保持一致。

如果用户试图输入这个句子（提示：检查它的第二个单词），那也将是灾难性的。