Django 正则表达式 unicode 忽略 \w 标记答案

【问题标题】：Django regex unicode ignores \w tagDjango 正则表达式 unicode 忽略 \w 标记
【发布时间】：2012-07-29 15:54:55
【问题描述】：

Regex \w 似乎忽略了我的 Unicode 字符串。我创建了以下函数：
extras.py

# -*- coding: utf-8 -*-
def test(word):
    print re.sub(r'[^\w]+', '', word, re.U)

来自 django shell：

import extras
extras.test(u'שלום')

在本例中，输出为空字符串，但应与输入相同。
正则表达式的目的是只保留字母数字字符，但它不起作用。但它适用于 ASCII。

可能是什么问题？

【问题讨论】：

【解决方案1】：

对模式使用原始 unicode 字符串，并确保使用 flags 参数：

# -*- coding: utf-8 -*-
def test(word):
    print re.sub(ur'[^\w]+', u'', word, flags=re.U)

然后：

In [9]: test(u'Ã')
Ã

【讨论】：