python 3.4版不支持'ur'前缀答案

【问题标题】：python version 3.4 does not support a 'ur' prefixpython 3.4版不支持'ur'前缀
【发布时间】：2014-09-26 16:13:39
【问题描述】：

我有一些用旧版本的 python(2.x) 编写的 python 代码，我很难让它工作。我正在使用 python 3.4

_eng_word = ur"[a-zA-Z][a-zA-Z0-9'.]*"

（它是分词器的一部分）

【问题讨论】：

你想让这个工作在Python 2 和 Python 3 上工作吗？还是仅在 Python 3 上？
感谢您的快速回复！我只需要它在 python 3 上工作。

标签： python python-3.x

【解决方案1】：

http://bugs.python.org/issue15096

标题：放弃对“ur”字符串前缀的支持
当 PEP 414 在 Python 3 中恢复对显式 Unicode 文字的支持时，“ur”字符串前缀被认为是“r”前缀的同义词。

所以，用'r'代替'ur'

【讨论】：

然而，它在 Python 2.7 中不是同义词。
这与 OP 无关，他们正试图使其在 3.4 中工作。我的阅读是，如果他们想要 3.4 和 2.7，他们会这么说。
它已被删除，因为 Python 2 ur'...' 原始字符串文字的行为无法重现。
当然，是隐含的假设让我们大吃一惊。 :-P
PY2 和 PY3 对源文件中包含某些字节/字符/字形的含义有着根本不同的解释的另一个地方。 PY3 更加规范，不那么模棱两可，但并不总是有简洁、简洁的方法来让源文件在两者中运行相同。 6 之类的兼容性库似乎无法解决这种情况。

【解决方案2】：

确实，Python 3.4 仅支持 u'...'（以支持需要在 Python 2 和 3 上运行的代码）和 r'....'，但不能同时支持两者。这是因为 ur'..' 在 Python 2 中的工作方式与 ur'..' 在 Python 3 中的工作方式不同（在 Python 2 中，\uhhhh 和 \Uhhhhhhhh 转义仍在处理中，在 Python 3 中为“r”。 ..' 字符串不会）。

请注意，在这种特殊情况中，原始字符串文字和常规字符串之间没有区别！您可以使用：

_eng_word = u"[a-zA-Z][a-zA-Z0-9'.]*"

它适用于 Python 2 和 3。

对于原始字符串文字确实很重要的情况，您可以解码 Python 2 上raw_unicode_escape 的原始字符串，在Python 3 上捕获AttributeError：

_eng_word = r"[a-zA-Z][a-zA-Z0-9'.]*"
try:
    # Python 2
    _eng_word = _eng_word.decode('raw_unicode_escape')
except AttributeError:
    # Python 3
    pass

如果您正在编写 Python 3 代码仅（因此它不必再在 Python 2 上运行），只需完全删除 u：

_eng_word = r"[a-zA-Z][a-zA-Z0-9'.]*"

【讨论】：

我赞成你的 raw_unicode_string 编码理念，但是你的代码会在 Python 2 和 Python 3 之间产生不同的结果。
@itsadok：对于这些目的来说已经足够接近了。您也可以使用常规字符串、双转义反斜杠然后解码为unicode_escape：_eng_word = '[a-zA-Z][a-zA-Z0-9'.]*'; _eng_word.replace(r'\\', r'\\\\').decode('unicode_escape')，这是six 使用的方法。
@itsadok: 并考虑到\uhhhh 模式在re 中也有意义。因此，即使在 Python 3 中，您最终得到 \\uhhhh（转义）Unicode 序列，它们在正则表达式中的含义仍然与您传入文字 Unicode 代码点的含义相同。

【解决方案3】：

此表比较了 Python 2(.7) 和 3(.4+) 中（部分）不同的字符串文字前缀：

如您所见，在 Python 3 中，没有办法让文字不处理转义，但处理 unicode 文字。要获得在 Python 2 和 3 中都可以使用的代码的此类字符串，请使用：

br"[a-zA-Z][a-zA-Z0-9'.]*".decode('raw_unicode_escape')

实际上，您的示例不是很好，因为它没有任何 unicode 文字或转义序列。一个更好的例子是：

br"[\u03b1-\u03c9\u0391-\u03a9][\t'.]*".decode('raw_unicode_escape')

在 python 2 中：

>>> br"[\u03b1-\u03c9\u0391-\u03a9][\t'.]*".decode('raw_unicode_escape')
u"[\u03b1-\u03c9\u0391-\u03a9][\\t'.]*"

在 Python 3 中：

>>> br"[\u03b1-\u03c9\u0391-\u03a9][\t'.]*".decode('raw_unicode_escape')
"[α-ωΑ-Ω][\\t'.]*"

其实是一回事。

【讨论】：