Question

我在运行此代码时遇到了一个奇怪的行为：

regex.search(ur'([^\p{IsAlnum}\s\.\'\`\,\-])', u'\U0001f618')

这应该匹配\U0001f618，这是一个接吻表情符号的unicode表示。然而，结果如下：

<regex.Match object; span=(0, 1), match=u'\ud83d'>

这根本没有意义，因为u'\ud83d'甚至不是有效的unicode字符。

我预料到了这一点：

<regex.Match object; span=(0, 1), match=u'\U0001f618'>

这里发生了什么？

我在macOS Sierra 10.12.6上运行Python 2.7.13，regex.__version__是2.4.130。

Answer 1

如@PM 2Ring所述，它正在发生，因为Python是使用UCS-2支持（窄范围）而不是UCS-4支持（宽范围）编译的。因此，Python内部（并且错误地）将u'\U0001f618'表示为两个字符，这解释了正则表达式的结果。