仅匹配 Python re 中的一个 Unicode 字母 [英] Matching only a unicode letter in Python re

问题描述

我有一个字符串，我想从中提取 3 个组:

'19 janvier 2012' ->19"、詹维尔"、2012"

月份名称可能包含非 ASCII 字符，所以 [A-Za-z] 对我不起作用:

<预><代码>>>>进口重新>>>re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 janvier 2012', re.UNICODE).groups()(u'20', u'janvier', u'2012')>>>re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 février 2012', re.UNICODE).groups()回溯(最近一次调用最后一次):文件<stdin>"，第 1 行，在 <module> 中AttributeError: 'NoneType' 对象没有属性 'groups'>>>

我可以使用 \w 但它匹配数字和下划线:

<预><代码>>>>re.search(ur'(\w+)', u'février', re.UNICODE).groups()(u'f\xe9vrier',)>>>re.search(ur'(\w+)', u'fé_q23vrier', re.UNICODE).groups()(u'f\xe9_q23vrier',)>>>

我尝试使用 [:alpha:]，但它不起作用:

<预><代码>>>>re.search(ur'[:alpha:]+', u'février', re.UNICODE).groups()回溯(最近一次调用最后一次):文件<stdin>"，第 1 行，在 <module> 中AttributeError: 'NoneType' 对象没有属性 'groups'>>>

如果我可以在没有 [_0-9] 的情况下以某种方式匹配 \w，但我不知道如何匹配.即使我知道如何做到这一点，是否有像 [:alpha:] 这样的现成快捷方式，它可以在 Python 中使用?

解决方案

你可以构造一个新的字符类:

[^\W\d_]

而不是 \w.翻译成英文，它的意思是任何不是非字母数字字符的字符([^\W] 与 \w 相同)，但这也不是数字而不是下划线".

因此，它将只允许 Unicode 字母(如果您使用 re.UNICODE 编译选项).

I have a string from which i want to extract 3 groups:

'19 janvier 2012' -> '19', 'janvier', '2012'

Month name could contain non ASCII characters, so [A-Za-z] does not work for me:

>>> import re
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 janvier 2012', re.UNICODE).groups()
(u'20', u'janvier', u'2012')
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 février 2012', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>> 

I could use \w but it matches digits and underscore:

>>> re.search(ur'(\w+)', u'février', re.UNICODE).groups()
(u'f\xe9vrier',)
>>> re.search(ur'(\w+)', u'fé_q23vrier', re.UNICODE).groups()
(u'f\xe9_q23vrier',)
>>> 

I tried to use [:alpha:], but it's not working:

>>> re.search(ur'[:alpha:]+', u'février', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>> 

If i could somehow match \w without [_0-9], but i don't know how. And even if i find out how to do this, is there a ready shortcut like [:alpha:] which works in Python?

解决方案

You can construct a new character class:

[^\W\d_]

instead of \w. Translated into English, it means "Any character that is not a non-alphanumeric character ([^\W] is the same as \w), but that is also not a digit and not an underscore".

Therefore, it will only allow Unicode letters (if you use the re.UNICODE compile option).

这篇关于仅匹配 Python re 中的一个 Unicode 字母的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！