正则表达式子函数不适用于 unicode 字符串

Question

我正在尝试使用 Python 的子函数，但无法使其正常工作。从我一直在做的故障排除来看，我认为这与字符串中的 unicode 字符有关。

# -*- coding: utf-8 -*-
reload(sys)
sys.setdefaultencoding('utf-8')
import re

someFunction(string):
    string = string.decode('utf-8')
    match = re.search(ur'éé', string)
if match:
    print >> sys.stderr, "It was found"
else:
    print >> sys.stderr, "It was NOT found"

    if isinstance(string, str):
    print >> sys.stderr, 'string is a string object'
elif isinstance(string, unicode):
    print >> sys.stderr, 'string is a unicode object'

    new_string = re.sub(ur'éé', ur'é:', string)
    return new_string

stringNew = 'éégktha'
returnedString = someFunction(stringNew)
print >> sys.stderr, "After printing it: " + returnedString

#At this point in the code string = 'éégktha'
returnString = someFunction(string)
print >> sys.stderr, "After printing it: " + returnedString

所以我想要'é:gktha'。以下是我运行此代码时打印到错误日志的内容。

It was found
string is a unicode object
é:gktha
It was NOT found
string is a unicode object
éégktha

所以我认为它必须是传递给我的函数的字符串。当我将其声明为 unicode 字符串或字符串文字然后对其进行解码时，就会找到该模式。但是在传入的字符串中找不到该模式。我在想我的string = string.decode('utf-8') 语句会转换任何传递给函数的字符串，然后就可以工作了。

我尝试在 python 解释器中执行此操作以解决此问题，当我将字符串声明为 unicode 字符串时，它可以工作。

string = u'éégktha'

所以为了模拟函数，我声明了字符串，然后将其“解码”到，然后尝试了我的正则表达式，它起作用了。

string = 'éégktha'
newString = string.decode('utf8')
string = re.sub(ur'éé', ur'é:', newString)
print string #é:gktha

这个网络应用程序可以处理大量的 unicode 字符。这是 Python 2.5，我在处理 unicode 字符时总是很吃力。非常感谢任何帮助和知识。

Answer 1

你应该printsomeFunction返回的内容。

>>> string = 'éégktha'
>>> def someFunction(string):
...     #string = 'éégktha'
...     string = string.decode('utf8')
...     new_string = re.sub(ur'éé', ur'é:', string)
...     return new_string

>>> import re
>>> someFunction(string)
u'\xe9:gktha'
>>> print someFunction(string)
é:gktha

你的功能很好。在模拟中，您是printing，它打印__str__ 返回的内容，而当您return 时，解释器打印new_string 的__repr__ 返回的内容。