Question

我有一个字符串，我想从中提取3组：

'19 janvier 2012' -> '19', 'janvier', '2012'

月份名称可能包含非ASCII字符，因此[A-Za-z]对我不起作用：

>>> import re
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 janvier 2012', re.UNICODE).groups()
(u'20', u'janvier', u'2012')
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 février 2012', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>>

我可以使用\w但它匹配数字和下划线：

>>> re.search(ur'(\w+)', u'février', re.UNICODE).groups()
(u'f\xe9vrier',)
>>> re.search(ur'(\w+)', u'fé_q23vrier', re.UNICODE).groups()
(u'f\xe9_q23vrier',)
>>>

我尝试使用[:alpha:]，但它不起作用：

>>> re.search(ur'[:alpha:]+', u'février', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>>

如果我可以某种方式匹配\w而不是[_0-9]，但我不知道如何。即使我发现如何做到这一点，是否有一个现成的快捷方式，如[:alpha:]在Python中工作？

Answer 1

您可以构建一个新的角色类：

[^\W\d_]

而不是\w。翻译成英文，意思是“任何不是非字母数字字符的字符（[^\W]与\w相同），但这也不是数字而不是下划线”。

因此，它只允许使用Unicode字母（如果使用re.UNICODE编译选项）。

在Python中只匹配一个unicode字母

1 个答案: