Question

我试图了解如何在Python 2.7中检查字符串是否仅包含字母（来自任何语言）。我试过这段代码：

# -*- coding: utf-8 -*-
import re

def main():
    regexp1 = re.compile('[^\W\d_]+', re.IGNORECASE | re.UNICODE)
    regexp2 = re.compile('[\p{L}]+', re.IGNORECASE | re.UNICODE)

    print("1", regexp1.search(u"test"))
    print("2", regexp1.search(u'äö'))
    print("3", regexp1.search(u'...'))
    print("4", regexp1.search(u'9a'))
    print("5", regexp1.search(u'New / York'))

    print("6", regexp2.search(u"test"))
    print("7", regexp2.search(u'äö'))
    print("8", regexp2.search(u'...'))
    print("9", regexp2.search(u'9a'))
    print("10", regexp2.search(u'New / York'))

if __name__ == '__main__':
    main()

输出：

('1', <_sre.SRE_Match object at 0x02ACF678>)
('2', <_sre.SRE_Match object at 0x02ACF678>)
('3', None)
('4', <_sre.SRE_Match object at 0x02ACF678>)
('5', <_sre.SRE_Match object at 0x02ACF678>)
('1', None)
('2', None)
('3', None)
('4', None)
('5', None)

我想要一个只匹配字符串№1和字符串№2的正则表达式（只有字符串与任何语言的字母）。但现在它匹配包含字母的字符串（也包含数字和/）。

此外，我尝试使用\p{L}正则表达式，但它根本不起作用。我试过这个正则表达式：[\p{L}]+，(\p{L})+，\p{L}。

Answer 1

regexp1是一个好的开始。问题是regexp1匹配包含至少一个字母的字符串，而不包含仅包含字母的字符串。试试这个：

regexp1 = re.compile('^[^\W\d_]+$', re.IGNORECASE | re.UNICODE)

这个＆＃34;锚点＆＃34;匹配字符串的开头和结尾，这意味着它不能匹配＆＃34; New＆＃34; ＆＃34; New / York＆＃34;。

的一部分

python re模块似乎对\p{L}等字符类没有任何支持，但是有一个第三方regex模块可以支持。请参阅https://pypi.python.org/pypi/regex/处的文档。但是，我无法谈论该模块的性能或标准合规性。

Answer 2

在re文档中建议使用第三方regex module以获得更多功能和更好的Unicode支持。特别是，它支持\p模式，所以

\p{L}+

应与regex正则表达式配合使用，匹配任何Unicode字母字符序列。

但是，你应该谨慎 - 结合变音符不是一封信。您可以更改正则表达式以接受组合标记，或者以NFC形式标准化您的输入以将一些组合标记组合到前面的字母中，但首先，您应该仔细考虑您对“仅包含字母”的定义。

此外，search仅检查字符串是否包含匹配正则表达式，而不是整个字符串是否与正则表达式匹配。我建议fullmatch匹配整个字符串，但这只是在Python 3.4+中。对于2.7，我会说要锚定正则表达式：

^\p{L}+$

除了$可以在尾随换行符之前匹配，因此您仍应检查匹配对象以查看它是否表示整个字符串匹配，或者它是否在尾随换行符之前停止。

Python 2.7：正则表达式 - 匹配任何语言的任何字母

2 个答案: