将 re 中的 € 符号与 python 匹配答案

【问题标题】：Match the € symbol in re with python将 re 中的 € 符号与 python 匹配
【发布时间】：2014-08-08 18:55:15
【问题描述】：

我正在尝试匹配字符串中的 € 符号，但在使用特殊字符“？”时出现了奇怪的行为。它可以正常使用正常字符

import re

print re.match(r'a?1', 'a1')
<_sre.SRE_Match object at 0x3a2ba58>

print re.match(r'a?1', '1')
<_sre.SRE_Match object at 0x3a2ba58>

但是用€符号我得到这个输出

print re.match(r'€?1', '€1')
<_sre.SRE_Match object at 0x3a2ba58>

print re.match(r'€?1', '1')
None

知道发生了什么吗？我怀疑这与unicode有关。我正在使用python 2.7。谢谢。

【问题讨论】：

标签： python regex python-2.7

【解决方案1】：

€不是ascii字符，所以需要使用unicode匹配：

print re.match(ur'€?1', u'€1', flags=re.UNICODE)
<_sre.SRE_Match object at 0x7ffde0084bf8>

print re.match(ur'€?1', u'1', flags=re.UNICODE)
<_sre.SRE_Match object at 0x7ffde0084bf8>

【讨论】：

我已经尝试过 print re.match(ur'€?1', u'1') 我没有发布它，因为它不起作用。之后我意识到这是我的 IDE 中嵌入的控制台的问题。 print re.match(ur'€?1', u'1') 按预期工作。无论如何感谢您的帮助！

【解决方案2】：

您会注意到该问题已添加python2.7 标签，因为此问题是特定于版本的。

默认情况下，Python 假定您的源代码是 UTF-8 编码的。它将欧元符号视为一系列 UTF-8 字节，在您的字符串中显示为单个字节：

>>> r'€?1'
'\xe2\x82\xac?1'

因此，您使用一种模式指定了匹配，该模式要求 ASCII 字节 \xe2\x82 后跟可选的 \xac 字节，最后是强制数字 1。

明确标识您的 Unicode 文字可以解决问题。

>>> m = re.match(u'€?1', u'€1')
>>> m.start(), m.end()
(0, 2)
>>> m = re.match(u'€?1', u'1')
>>> m.start(), m.end()
(0, 1)

转移到 Python 3，解释器假定所有字符串文字都是 Unicode，除非它们使用 b'...' 文字明确标记为字节串，因此不会出现问题：

>>> r'€?1'
'€?1'
>>> m = re.match(r'€?1', '€1')
>>> m.start(), m.end()
(0, 2)

【讨论】：