Соответствие только букве Юникода в Python re

У меня есть строка, из которой я хочу извлечь 3 группы:

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

Название месяца может содержать символы, отличные от ASCII, поэтому [A-Za-z] у меня не работает:

>>> 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 "", line 1, in 
AttributeError: 'NoneType' object has no attribute 'groups'
>>> 

Я мог бы использовать \ w , но он соответствует цифрам и подчеркиванию:

>>> 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',)
>>> 

Я пытался использовать [: alpha:] , но он не работает:

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

Если бы я мог каким-то образом сопоставить \ w без [_ 0-9] , но я не знаю как. И даже если я узнаю, как это сделать, есть ли готовый ярлык вроде [: alpha:] , который работает в Python?

26
задан tchrist 29 March 2012 в 19:00
поделиться

1 ответ

Вы можете создать новый класс персонажей:

[^\W\d_]

вместо \w. В переводе на английский это означает «Любой символ, который не является буквенно-цифровым символом ([^\W] совпадает с \w), но также не является цифрой и не подчеркиванием».

Следовательно, он будет разрешать только буквы Юникода (если вы используете опцию компиляции re.UNICODE).

52
ответ дан 28 November 2019 в 07:01
поделиться
Другие вопросы по тегам:

Похожие вопросы: