python - 如何在Python中使用unicode字符串的正则表达式？

Question

您好，我想在以下字符串中使用 unicode utf-8 的正则表达式:

</td><td>عـــــــــــادي</td><td> 40.00</td>

我想挑选出“Seeـــــــــــ׀׀׀”，我该怎么做？

我的代码是:

state = re.findall(r'td>...</td',s)

谢谢

Answer 1

我在尝试匹配俄语字符串时遇到了类似的情况。对于你的情况，米歇尔的回答很好。但是，如果您想使用 \w 和 \s 等特殊序列，则必须更改一些内容。我只是分享这个，希望对其他人有用。

>>> string = u"</td><td>Я люблю мороженое</td><td> 40.00</td>"

通过在引号前放置 u 使字符串成为 unicode

>>> pattern = re.compile(ur'>([\w\s]+)<', re.UNICODE)

将标志设置为 unicode，以便它也匹配 unicode 字符串(请参阅 docs )。

(或者，您可以使用本地语言设置范围。对于俄语，这将是 [а-яА-Я]，因此:

pattern = re.compile(ur'>([а-яА-Я\s]+)<')

在这种情况下，您不必再设置标志，因为您没有使用特殊序列。)

>>> match = pattern.findall(string)
>>> for i in match:
...     print i
... 
Я люблю мороженое