如何指定一系列unicode字符

Question

如何指定一系列unicode字符

spi*_*pig 22 python regex unicode

如何从' '(空格)到\u00D7FF？指定一系列unicode字符？

我有一个正则表达式r'[\u0020-\u00D7FF]',它不会编译说它是一个糟糕的范围.我是Unicode正则表达式的新手,所以我之前没有遇到过这个问题.

有没有办法使这个编译或正则表达式我忘记或尚未学习？

Answer 1

Jos*_*Lee 27

您的unicode范围的语法将无法达到预期效果.

原始r''字符串可防止\u解析转义,并且正则表达式引擎不会执行此操作.该套装中唯一的范围是[0-\]:

>>> re.compile(r'[\u0020-\u00d7ff]', re.DEBUG)
in
  literal 117
  literal 48
  literal 48
  literal 50
  range (48, 117)
  literal 48
  literal 48
  literal 100
  literal 55
  literal 102
  literal 102

Run Code Online (Sandbox Code Playgroud)

使它成为一个Unicode文字会导致\u解析,同时只留下其他反斜杠(虽然这不是一个问题),但是领先的零正在弄乱它.语法是\uxxxx或\Uxxxxxxxx,所以它解析为" ,".\u00d7ff
```
>>> re.compile(ur'[\u0020-\u00d7ff]', re.DEBUG)
in
  range (32, 215)
  literal 102
  literal 102
```
Run Code Online (Sandbox Code Playgroud)
删除前导零或切换到\U0000d7ff将修复它:
```
>>> re.compile(ur'[\u0020-\ud7ff]', re.DEBUG)
in
  range (32, 55295)
```
Run Code Online (Sandbox Code Playgroud)

请注意，这个答案是在 Python 2 的上下文中做出的。在 Python 3 中，`r"example"` 和 `ur"example"` 之间没有区别。 (2认同)

Answer 2

rbp*_*rbp 5

如果您使用的是Python 2.x,则应确保指定了一个unicode字符串(使用u''或内置的"unicode"):

>>> r = re.compile(u'[\u0020-\uD7FF]')
>>> r.search(u'foo \uD7F0 bar')
<_sre.SRE_Match object at 0xb7084950>
r.search(u' ')
<_sre.SRE_Match object at 0xb7084b48>

Run Code Online (Sandbox Code Playgroud)

使用原始字符串(就像你一样,用r'')给你("ascii"字符串)由"仰泳"+字母"u"加上数字0加上...

**完整的Unicode**怎么样？例如，Gothic 块从 U+10330 GOTHIC LETTER AHSA 到 U+1034A GOTHIC LETTER NINE HUNDRED，但还包括接下来的五个代码点，目前未命名？你如何在 Python 中表达其他编程语言允许你使用 `\p{Gothic}`、`\p{Script=Gothic}`、`\p{InGothic}` 或 `\p{Block=Gothic}`为了？例如，在 Perl 中，`/\pN/ && /\p{InGothic}/` 产生 U+10341 GOTHIC LETTER NINETY 和 U+1034A GOTHIC LETTER NINE HUNDRED。但是，这在 Python 中不起作用；为什么不？ (2认同)
@tchrist `这在 Python 中不起作用，但是；为什么不呢？` Python `re` 模块从未特别好地处理 Unicode，尽管第三方正则表达式库 (https://pypi.org/project/regex/) 工作正常。 (2认同)

归档时间：	15 年，1 月前
查看次数：	10876 次
最近记录：	13 年，1 月前