python-re：如何匹配字母字符

Question

如何匹配字母字符與正則表達式。我想要一個\w但不在\d中的字符。我想它與unicode兼容，這就是爲什麼我不能使用[a-zA-Z]。

Answer 1

你的前兩句相互矛盾。 「在\w但不在\d」中包含下劃線。我從你的第三句話假設你不想強調。

在信封背面使用維恩圖有助於。讓我們來看看，我們不想要的東西：

（1）不受\w匹配（即不希望任何非字母，數字和下劃線）字符=>\W
（2）位數= >\d
（3）下劃線=>_

所以我們不想要的東西是在字符類[\W\d_]任何東西，因此我們做什麼要的是在字符類[^\W\d_]

這裏什麼是一個簡單的例子（Python 2.6）。

>>> import re 
>>> rx = re.compile("[^\W\d_]+", re.UNICODE) 
>>> rx.findall(u"abc_def,k9") 
[u'abc', u'def', u'k'] 

進一步探索揭示了這種方法的一些怪癖：

>>> 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（杭州數字一）被視爲數字（因此它匹配\ W），但它似乎Python的解釋「數字」表示‘十進制數字’（類別釹），所以它不匹配\ d

U + 2438（帶圈拉丁小寫字母Y）不匹配\ W

所有的中日韓表意文字被歸類作爲「字母」並因此匹配\ w

以上3點中的任何一點是否值得關注，該方法是最好的，您將從當前發佈的re模塊中獲得最佳效果。類似\ p {letter}的語法將來會出現。

Answer 2

什麼：

\p{L} 

您可以使用此文件作爲參考：Unicode Regular Expressions

編輯：似乎Python doesn't handle Unicode expressions。看看這個鏈接：Handling Accented Characters with Python Regular Expressions -- [A-Z] just isn't good enough（不再有效時，鏈接到互聯網檔案館）

另一個引用：

• re.UNICODE
• python and regular expression with unicode
• Unicode Technical Standard #18: Unicode Regular Expressions

---

對於後代，這裏是博客上的例子：

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 

Answer 3

您可以使用下列表達式之一匹配的單個字母：

(?![\d_])\w 

或

\w(?<![\d_]) 

在這裏，我匹配\w，但檢查[\d_]之前不匹配/後。

從文檔：

(?!...) 
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.