python - 正则表达式：re.sub()、\b 和西里尔字符

Question

我正在尝试替换文本中西里尔字母的整体外观：

# -*- coding: utf-8 -*-
import re
S = u"раз Два трИ".lower()
print re.sub(ur"\bдва\b", u"четыре", S, re.U)

打印“раз два три”，而预期“раз четыре три”。

同时 search() 和 findall() 效果很好：

print re.search(ur"\bдва\b", S, re.U).group(0)
print re.findall(ur"\bдва\b", S, re.U)

所以 re.sub() 的唯一问题

拉丁字符效果很好：

S = u"one Two threE".lower()
print re.sub(ur"\btwo\b", u"four", S, re.U)

如果我尝试以下方式，它会吞下空格（并且看起来很丑：

print re.sub(u"[^а-яё\d]два[^а-яё\d]", u"четыре", S)

尝试保留空格不起作用：

print re.sub(u"(?:[^а-яё\d])(два)(?:[^а-яё\d])", u"четыре", S)

替换也无济于事：

S = u"раз Два трИ".lower()
print S
S.replace(u"два", u"четыре")
print S

打印两次“раздватри”。

Answer 1

您应该使用关键字参数传递标志flags：

In [3]: S = u"раз Два трИ".lower()
In [5]: print re.sub(ur"\bдва\b", u"четыре", S, flags=re.U)
раз четыре три