Question

我可以使用Python2中的ur'something'和re.U标志来编译正则表达式模式，例如：

$ python2
Python 2.7.13 (default, Dec 18 2016, 07:03:39) 
[GCC 4.2.1 Compatible Apple LLVM 8.0.0 (clang-800.0.42.1)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> pattern = re.compile(ur'(«)', re.U)
>>> s = u'«abc «def«'
>>> re.sub(pattern, r' \1 ', s)
u' \xab abc  \xab def \xab '
>>> print re.sub(pattern, r' \1 ', s)
 « abc  « def «

在Python3中，我可以避免使用u'something'甚至是re.U标记：

$ python3
Python 3.5.2 (default, Oct 11 2016, 04:59:56) 
[GCC 4.2.1 Compatible Apple LLVM 8.0.0 (clang-800.0.38)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> pattern = re.compile(r'(«)')
>>> s = u'«abc «def«'
>>> print( re.sub(pattern, r' \1 ', s))
 « abc  « def «

但目标是编写正则表达式，使其支持Python2和Python3。在Python3中执行ur'something'会导致语法错误：

>>> pattern = re.compile(ur'(«)', re.U)
  File "<stdin>", line 1
    pattern = re.compile(ur'(«)', re.U)
                               ^
SyntaxError: invalid syntax

由于它是一个语法错误，即使在声明模式之前检查版本也不会在Python3中工作：

>>> import sys
>>> _pattern = r'(«)' if sys.version_info[0] == 3 else ur'(«)'
  File "<stdin>", line 1
    _pattern = r'(«)' if sys.version_info[0] == 3 else ur'(«)'
                                                             ^
SyntaxError: invalid syntax

如何unicode正则表达式支持Python2和Python3？

虽然r' '可以通过在这种情况下删除文字字符串轻松替换为u' '。

有一些复杂的正则表达式需要r' '以保证理智，例如

re.sub(re.compile(r'([^\.])(\.)([\]\)}>"\'»]*)\s*$', re.U), r'\1 \2\3 ', s)

因此解决方案应该包括文字字符串r' '用法，除非有其他方法来解决它。但请注意，使用字符串文字或unicode_literals或来自__future__是不受欢迎的，因为它会导致大量其他问题，尤其是在我使用的代码库的其他部分中，请参阅http://python-future.org/unicode_literals.html

由于特定原因，为什么代码库不鼓励unicode_literals导入但使用r' '符号是因为填充它并且对它们中的每一个进行更改将是非常痛苦的，例如

Answer 1

你真的需要原始字符串吗？对于您的示例，需要一个unicode字符串，但不是原始字符串。原始字符串是一种方便，但不是必需的 - 只需将原始字符串中使用的任何\加倍并使用普通的unicode。

Python 2允许将原始字符串与unicode字符串连接（产生unicode字符串），因此您可以使用r'([^\.])(\.)([\]\)}>"\'' u'»' r']*)\s*$'
在Python 3中，它们都将是unicode，因此也可以使用。

为Python2和Python3编写unicode正则表达式

1 个答案: