如何将字母字符与正则表达式匹配。我想要一个在\w但不在的角色\d。我希望它兼容 unicode，这就是为什么我不能使用[a-zA-Z].
问问题
39658 次
3 回答
56
你的前两句话相互矛盾。“in \wbut is not in \d”包括下划线。我从你的第三句话中假设你不想要下划线。
在信封背面使用维恩图会有所帮助。让我们看看我们不想要什么：
(1) 不匹配的字符\w（即不想要任何不是字母、数字或下划线的字符）=> \W
(2) 数字 => \d
(3) 下划线 =>_
所以我们不想要的是角色类中的任何东西，[\W\d_]因此我们想要的是角色类中的任何东西[^\W\d_]
这是一个简单的例子（Python 2.6）。
>>> import re
>>> rx = re.compile("[^\W\d_]+", re.UNICODE)
>>> rx.findall(u"abc_def,k9")
[u'abc', u'def', u'k']
进一步的探索揭示了这种方法的一些怪癖：
>>> import unicodedata as ucd
>>> allsorts =u"\u0473\u0660\u06c9\u24e8\u4e0a\u3020\u3021"
>>> for x in allsorts:
... print repr(x), ucd.category(x), ucd.name(x)
...
u'\u0473' Ll CYRILLIC SMALL LETTER FITA
u'\u0660' Nd ARABIC-INDIC DIGIT ZERO
u'\u06c9' Lo ARABIC LETTER KIRGHIZ YU
u'\u24e8' So CIRCLED LATIN SMALL LETTER Y
u'\u4e0a' Lo CJK UNIFIED IDEOGRAPH-4E0A
u'\u3020' So POSTAL MARK FACE
u'\u3021' Nl HANGZHOU NUMERAL ONE
>>> rx.findall(allsorts)
[u'\u0473', u'\u06c9', u'\u4e0a', u'\u3021']
U+3021 (HANGZHOU NUMERAL ONE) 被视为数字（因此它匹配 \w）但似乎 Python 将“数字”解释为表示“十进制数字”（类别 Nd），因此它不匹配 \d
U+2438（带圆圈的拉丁文小写字母 Y）不匹配 \w
所有 CJK 表意文字都被归类为“字母”，因此匹配 \w
无论上述 3 点中的任何一个是否值得关注，这种方法都是您从当前发布的 re 模块中获得的最佳方法。像 \p{letter} 这样的语法是未来的。
于 2010-01-11T01:41:48.743 回答
2
关于什么：
\p{L}
您可以将此文档用作参考：Unicode 正则表达式
编辑：似乎Python 不处理 Unicode 表达式。看看这个链接：使用 Python 正则表达式处理重音字符——[AZ] 还不够好（不再活跃，链接到互联网档案）
其他参考：
对于后代，以下是博客上的示例：
import re
string = 'riché'
print string
riché
richre = re.compile('([A-z]+)')
match = richre.match(string)
print match.groups()
('rich',)
richre = re.compile('(\w+)',re.LOCALE)
match = richre.match(string)
print match.groups()
('rich',)
richre = re.compile('([é\w]+)')
match = richre.match(string)
print match.groups()
('rich\xe9',)
richre = re.compile('([\xe9\w]+)')
match = richre.match(string)
print match.groups()
('rich\xe9',)
richre = re.compile('([\xe9-\xf8\w]+)')
match = richre.match(string)
print match.groups()
('rich\xe9',)
string = 'richéñ'
match = richre.match(string)
print match.groups()
('rich\xe9\xf1',)
richre = re.compile('([\u00E9-\u00F8\w]+)')
print match.groups()
('rich\xe9\xf1',)
matched = match.group(1)
print matched
richéñ
于 2010-01-10T23:45:56.103 回答
0
您可以使用以下表达式之一来匹配单个字母：
(?![\d_])\w
或者
\w(?<![\d_])
在这里我匹配 for \w，但检查[\d_]之前/之后不匹配。
从文档：
(?!...)
Matches if ... doesn’t match next. This is a negative lookahead assertion. For example, Isaac (?!Asimov) will match 'Isaac ' only if it’s not followed by 'Asimov'.
(?<!...)
Matches if the current position in the string is not preceded by a match for .... This is called a negative lookbehind assertion. Similar to positive lookbehind assertions, the contained pattern must only match strings of some fixed length and shouldn’t contain group references. Patterns which start with negative lookbehind assertions may match at the beginning of the string being searched.
于 2016-03-03T16:04:41.367 回答