只保留字符串中的字母字符(多语种)
只保留字符串中的字母字符(多语种)
提问于 2017-06-27 11:37:43
在堆栈溢出中，有很多关于如何只保留字符串中的字母字符的答案，最常见的是著名的regex '[^a-zA-Z]'。但是这个答案是完全错误的，因为它假设每个人都只写英语.我想我可以否决所有这些答案，但我最终认为再次问这个问题会更有建设性，因为我找不到答案。
有没有容易的(或不.)在python中，只保留所有语言中的字符串中的字母字符？我想也许一个库可以像javascript中的xregexp一样.我所指的所有语言都是英语，但也包括法语、俄语、汉语、greec...etc
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-06-27 11:50:33
^\W\d_
使用Python3或Python2中的re.UNICODE标志，您可以使用[^\W\d_]。
\W :如果设置了UNICODE，这将匹配Unicode字符属性数据库中分类为非字母数字的0-9+字符以外的任何其他字符。
因此，[^\W\d_]不是字母数字，也不是数字，也不是下划线。换句话说，它是任何字母字符。:)
>>> import re
>>> re.findall("[^\W\d_]", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE)
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д']先删除数字，然后查找"\w“
为了避免这种复杂的逻辑，您还可以先删除数字和下划线，然后查找字母数字字符：
>>> without_digit = re.sub("[\d_]", "", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE)
>>> re.findall("\w", without_digit, re.UNICODE)
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д']正则模
regex模块似乎会有所帮助，因为它理解\p{L}或[\w--\d_]。
这个regex实现是向后兼容的标准‘re’模块，但提供额外的功能。
>>> import regex as re
>>> re.findall("\p{L}", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE)
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д'](用Anaconda Python 3.6测试)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/44779330
复制相关文章
相似问题
腾讯云开发者
