正则表达式中的半空格

Question

我应该编写一个小程序，它接受波斯语文本，并在某些地方将空格更改为半空格。在某些语言中，使用半空格或零宽度非连接符来避免在规范化文本时出现连字。据推测，它的 unicode 字符\'\\u200c\'在某些文本编辑器中可以通过 SHIFT+SPACE 显示在屏幕上：

\n\n

import re\ntxt  = input(\'Please enter a Persian text: \')\noriginal_pattern = r\'\\b(\\w+)\\s*(\xd9\x87\xd8\xa7|\xd9\x87\xd8\xa7\xd9\x8a\xd9\x8a|\xd9\x87\xd8\xa7\xd9\x8a\xd9\x85|\xd9\x87\xd8\xa7\xd9\x8a)\\b\'\nnew_pattern = r\'\\1 \\2\'\nnew_txt = re.sub (original_pattern, new_pattern, txt)\nprint (new_txt) \n

\n\n

在上面的代码中，new_pattern应该在\\1和之间引入一个半空格\\2，目前它们之间有一个空格。

\n\n

问题是：如何在那里放置半个空格？我尝试了以下方法，在这两种情况下都出现语法错误：

\n\n

new_pattern = ur\'\\1\\u200c\\2\'   \n\nnew_pattern = r\'\\1\\u200c\\2\'\n

\n\n

顺便说一句，虽然在 Wikipedia 文章中，ZWNJ 的 unicode 字符被指定为 U+200c，但它在 python shell 中似乎并没有以这种方式工作，而且实际上将空间加倍：

\n\n

>>> print (\'He is a\',u\'\\u200c\',\'boy\')\nHe is a \xe2\x80\x8c boy\n\n>>> print ("\xda\xa9\xd8\xaa\xd8\xa7\xd8\xa8",u"\\u200c","\xd9\x87\xd8\xa7")\n\xda\xa9\xd8\xaa\xd8\xa7\xd8\xa8 \xe2\x80\x8c \xd9\x87\xd8\xa7\n\n>>> print ("\xda\xa9\xd8\xaa\xd8\xa7\xd8\xa8 \xd9\x87\xd8\xa7")\n\xda\xa9\xd8\xaa\xd8\xa7\xd8\xa8 \xd9\x87\xd8\xa7\n>>> \n

\n

Answer 1

Python为 print 函数的参数添加了一个分隔符，你可以用separgument来控制它，试试

print ('He is a', '\u200c', 'boy', sep="")

对于模式，尝试

new_pattern = '\\1\u200c\\2'

或者

new_pattern = '\\1\N{ZERO WIDTH NON-JOINER}\\2'

原因是，当您添加r前缀时，转义符\将被忽略，因此 \u200c模式的一部分受到 5 个字符字符串的威胁，即模式 equals \\1\\u200c\\2，因此您的错误。