在 Python 正则表达式的 unicode 文本中使用的单词边界答案

【问题标题】：Word boundary to use in unicode text for Python regex在 Python 正则表达式的 unicode 文本中使用的单词边界
【发布时间】：2013-10-22 22:18:24
【问题描述】：

我想在正则表达式中使用单词边界来匹配一些 unicode 文本。 Unicode 字母在 Python 正则表达式中被检测为单词边界，如下所示：

>>> re.search(r"\by\b","üyü")
<_sre.SRE_Match object at 0x02819E58>

>>> re.search(r"\by\b","ğyğ")
<_sre.SRE_Match object at 0x028250C8>

>>> re.search(r"\by\b","uyu")
>>>

我应该怎么做才能使单词边界符号与unicode字母不匹配？

【问题讨论】：

标签： python regex unicode

【解决方案1】：

使用re.UNICODE:

>>> re.search(r"\by\b","üyü", re.UNICODE)
>>>

【讨论】：

【解决方案2】：

您可以通过以下方式使用它：

re.search(r'(?u)\by\b', 'üyü')

要熟悉标志，请尝试以下操作：(?iLmsux)

作为一个很好的阅读检查核心 Python 应用程序编程第 3 版。有一个关于正则表达式的好章节。

【讨论】：

【解决方案3】：

#!/usr/bin/python
# -*- coding: utf-8 -*-

s = ur"abcd ААБВ"
import re
rx1 = re.compile(ur"(?u)АБВ")
rx2 = re.compile(ur"(?u)АБВ\b")
rx3 = re.compile(ur"(?u)\bАБВ\b")
print rx1.findall(s)
print rx2.findall(s)
print rx3.findall(s)

print re.search(ur'(?u)ривет\b', ur'Привет')
print re.search(ur'(?u)\bривет\b', ur'Привет')

输出：

[u'\u0410\u0411\u0412']
[u'\u0410\u0411\u0412']
[]
<_sre.SRE_Match object at 0x01F056B0>
None

【讨论】：