Python正则表达式匹配Unicode属性
作为一个云计算领域的专家，我可以告诉你，Python正则表达式匹配Unicode属性是一种在Python中使用正则表达式来匹配Unicode字符属性的方法。这种方法可以用于处理包含多种语言和字符集的文本数据，以便更好地进行文本分析和处理。
在Python中，可以使用re模块来实现正则表达式匹配Unicode属性。具体来说，可以使用Unicode字符属性的名称或别名作为属性名，并使用\p{}和\P{}语法来匹配具有特定属性的Unicode字符。例如，可以使用\p{L}来匹配任何字母字符，或使用\p{N}来匹配任何数字字符。
需要注意的是，Python正则表达式匹配Unicode属性需要使用Python 3.6或更高版本的Python解释器。此外，由于正则表达式匹配Unicode属性需要使用Unicode字符集，因此需要在正则表达式中使用re.UNICODE标志。
总之，Python正则表达式匹配Unicode属性是一种非常有用的技术，可以帮助开发人员更好地处理包含多种语言和字符集的文本数据，并且可以应用于各种文本分析和处理任务中。
相关·内容
1回答
编写以下代码行的程序员可能使用了一个名为的python包。
UNIT = regex.compile("(?:{A}(?:'{A})?)++|-+|\S".format(A='\p{Word_Break=ALetter}'))
有人能解释一下A='\p{Word_Break=ALetter}'和-+是什么意思吗？
浏览 1提问于2012-09-02得票数 1
回答已采纳
Ruby regex和Python regex之间有什么真正的区别吗？
我找不到两者之间的任何区别，但可能遗漏了一些东西。
浏览 2提问于2011-04-15得票数 9
回答已采纳
2回答
我在学刮痕。我使用的是刮伤0.20，这就是为什么我要遵循本教程。
我不理解这些概念。然而，我还有一件事要做。
在本声明中
sel.xpath('//title/text()').re('(\w+):')
输出是
[u'Computers', u'Programming', u'Languages', u'Python']
re('(\w+):')的用途是什么？
帮助回答：
这句话
sel.xpath('//title/text()').extract()
有这样的输出
浏览 2提问于2014-01-13得票数 1
回答已采纳
我想匹配拉丁区块中的所有小写字母形式。简单的'a-z‘只匹配U+0061和U+007A之间的字符，而不是所有其他小写形式。
我想要匹配所有的小写字母，最重要的是，所有在EFIGS语言中使用的拉丁语块中的重音小写字母。
A-zà-a是一个开始，但仍然有许多其他的小写字符(参见)。有没有推荐的方法呢？
仅供参考，我使用的是Python，但我怀疑这个问题是跨语言的。
Python内置的"islower()“方法似乎做了正确的检查：
lower = ''
for c in xrange(0,2**16):
if unichr(c).islower():
浏览 49提问于2011-03-08得票数 23
回答已采纳
Python模糊Wuzzy库包括以下regex：
regex = re.compile(r"(?ui)\W")
return regex.sub(u" ", a_string)
()
这将用空格替换a_string中的任何非字母数字。
那么(?ui)位做了什么呢？没有它，它似乎工作得很好。
谢谢
浏览 1提问于2013-05-23得票数 3
回答已采纳
3回答
我想知道Python使用的是哪种RegEx风格？它是PCRE、Perl兼容的，还是ICU之类的？
浏览 1提问于2012-08-19得票数 7
回答已采纳
2回答
我是Python的新手，所以这看起来很容易。我试图删除所有的#，数字，如果同一个字母连续重复两次以上，我只需要将它更改为两个字母。这项工作完美无缺，但不适用于埃涅斯。
有什么想法吗?如何才能用埃厄尔字母来完成这一任务？
#!/usr/bin/python
# -*- coding: utf-8 -*-
import math, re, sys, os, codecs
reload(sys)
sys.setdefaultencoding('utf-8')
text = "ån9d ånd ååååånd d9d flllllløde... :)asd "
#
浏览 1提问于2013-05-15得票数 2
回答已采纳
5回答
验证Unicode名称
、、、
在ASCII中，验证名称并不太难:只需确保所有字符都按字母顺序排列即可。
但是在Unicode (utf-8)中呢？如何确保给定字符串中没有逗号或下划线( ASCII范围之外)？
(理想情况下在Python中)
浏览 0提问于2009-03-09得票数 3
回答已采纳
3回答
我正在使用regex替换输入字符串中的引号。我的数据包含两种类型的引号-
" and “
两者之间有一个非常微妙的区别。目前，我在regex中明确提到了这两种类型。
\"*\“*
但我担心，在未来的数据中，我可能会得到另一种类型的引文，而我的判断可能会失败。有多少种不同类型的引号？有没有办法将这些数据规范化为一种类型，这样我的正则表达式就不会中断对未见的数据？
编辑-
我的输入数据由HTML文件组成，我将HTML实体和URL转义到ASCII
escaped_line = HTMLParser.HTMLParser().unescape(urllib.unquote(line.d
浏览 7提问于2012-03-25得票数 5
回答已采纳
2回答
在.net中，你可以使用\p{L}来匹配任何字母，我如何在Python中做同样的事情呢？也就是说，我希望匹配任何大写、小写和重音字母。
浏览 4提问于2011-06-11得票数 17
回答已采纳
我的问题是，即使我使用utf-8，使用正则表达式和re.search()的Python也不能识别重音。这是我的代码串；
#! /usr/bin/python
-*- coding: utf-8 -*-
import re
htmlString = '</dd><dt> Fine, thank you. </dt><dd> Molt bé, gràcies.'
SearchStr = '(\<\/dd\>\<dt\>)+ ([\w+\,\.\s]+)([\&\#\d\;]
浏览 1提问于2013-03-06得票数 0
回答已采纳
我正在尝试迭代，并计算法语文本文件中单词的数量(包含重音字符)。下面的代码选择所有单词，但不考虑重音字符：
#!/usr/bin/env python
# -*- coding: utf-8 -*- import re
wordcount={}
f = open("verbatim2.txt", "r") regex = re.compile(r'\b\w{4,}\b')
#regex = re.compile(r'[A-Z]\p{L}+\s*')
for line in f:
words = regex.fin
浏览 5提问于2015-07-12得票数 0
回答已采纳
2回答
我想要像[A-z]这样的东西，它能代表所有的字母字符，加上ö，ä，ü等。
如果我使用[A-ü]，我可能会得到拉丁语所使用的所有特殊字符，但它也允许其他东西，如¿¿]|{}[¢§ø欰µ©¥
示例：
编辑：，我在python2中需要这个。
浏览 3提问于2015-04-08得票数 1
回答已采纳
我想从文档中过滤字符串，就像sklearn的一样。它使用以下RegEx：(?u)\b\w\w+\b。这个java代码的行为应该是相同的：
Pattern regex = Pattern.compile("(?u)\\b\\w\\w+\\b");
Matcher matcher = regex.matcher("this is the document.!? äöa m²");
while(matcher.find()) {
String match = matcher.group();
System.out.println(match);
}
浏览 0提问于2018-03-21得票数 3
回答已采纳
我查看了Qt的文档，它完全支持unicode与\xhhhh的匹配，但这样我只能匹配已知的unicode，那么我如何识别unicode字符串？
谢谢！
@update：
QString line;
if ( line.indexOf(QRegExp ("\\p{L}")) ) != -1 )
{
/// blabla
}
它不工作，我没有看到流进入if
浏览 2提问于2011-12-23得票数 3
回答已采纳
为什么我的正则表达式不能工作？我需要使用python 2.7.5。这是我的表达：
pattern = re.compile('\d{4};[a-zA-ZäöüÄÖÜß. -]+;.+')
我在看csv文件。在开头必须有4个数字直到一个;，直到第二个;必须有来自any，umlauts和.或空格或.的字母，然后在第二个;之后可以有任何字符。
现在我的问题是:在第二个“部分”中，它不接受像äöü或ß这样的值。在第三个“部分”中，我没有指定货币，当它们出现的时候没有问题。
我把# -*- coding: utf-8 -*-放在脚本的开头。
浏览 1提问于2016-12-17得票数 0
回答已采纳
这个问题可能很简单，但我觉得有点困惑&这就是我需要帮助的原因。
与相关，我发布了一个解决了问题的帖子，我得到了一个我刚刚注意到的新问题。
源代码：
from PyQt5 import QtCore,QtWidgets
app=QtWidgets.QApplication([])
def scroll():
#QtCore.QRegularExpression(r'\b'+'cat'+'\b')
item = listWidget.findItems(r'\bcat\b', QtCore.Qt.Matc
浏览 1提问于2021-01-06得票数 1
回答已采纳
我正在寻找[\w]&&[^\d]的等价物(当然&&不是正则表达式运算符)。正则表达式只需要匹配由UTF8“字母表”字符组成的单词。有谁有什么想法吗？
浏览 0提问于2012-04-03得票数 8
回答已采纳
我一直在寻找如何将Unicode符号(ἔ)转换为相应的Unicode实体(ἔ)的合适的解决方案。我有一个文本文件，其中包含许多这样的符号，比如ῶἤὰὔ。我正在寻找一个python甚至Perl脚本，它可以将文件作为参数并处理每个符号，并在输出文件中写入其等效的Unicode实体。我看到了类似的问题，但它处理的是html实体。
浏览 2提问于2015-01-09得票数 2
回答已采纳
1回答
你好，我有一个python表达式，它工作得很好，更精确的regex只在单词末尾接受星号，而且()也是..
^([A-Za-z0-9/_()*])+$
我希望：
/path01* - OK
/path*01 - NO
/blog - OK
/blo*g - NO
/path() - OK
/pat()h - NO
为了那些想要测试的人。
浏览 4提问于2019-11-07得票数 0
回答已采纳
我找到了这篇文章：，但我实际上不知道Python的REGEX语法是否与PHP的REGEX语法匹配。
我开始将一些旧的PHP代码转换成python (由于g的appengine等)，现在我想知道regex是否可以通过简单的复制和粘贴100%转换。
致以敬意，
浏览 1提问于2010-06-18得票数 14
回答已采纳
我使用Python3中的argparse库从命令行参数读取Unicode字符串。通常，这些字符串包含“普通”Unicode字符(扩展的拉丁语等)，但有时--尤其是当字符属于从右向左的脚本时--将字符串编码为Unicode代码点会更容易，如\u0644。但是argparse将这些指示符视为一个字符序列，并不将它们转换为它们指定的字符。例如，如果命令行参数是
... -a "abc\06d2d" ...
那么我在argparse变量中得到的是
"abc\06d2d"
而不是预期的
"abcےd"
( 'c‘和'd’之间的字符是yeh
浏览 10提问于2017-06-15得票数 2
回答已采纳
2回答
我是第一次接触正则表达式，并且已经获得了以下正则表达式：
(\p{L}|\p{N}|_|-|\.)*
我知道*是什么意思，|是什么意思“或者”，然后就转义了。
但我不知道\p{L}和\p{N}是什么意思。我已经在谷歌上搜索过了，没有结果...
有人能帮我吗？
浏览 6提问于2013-02-15得票数 149
回答已采纳
当我为正则表达式执行相同的代码时，我在python 2和3中得到了不同的输出。
假设这是我想要的数据，它位于网页中的某个位置。
source = ['\x1e\x1e5.5.30-log\x1epcofiowa@localhost\x1epcofiowa_pci\x1e',
'\x1e\x1e5.5.30-log\x1epcofiowa@localhost\x1epcofiowa_pci\x1e',
'\x1e\x1e5.5.30-log\x1epcofiowa@localhost\x1epcofiowa_pci
浏览 1提问于2013-02-08得票数 1
回答已采纳
在PHP中，让ctype_print() (或者这是不可能的)的最佳方法是什么？和UTF-8一起工作？目前，当我将它与一些UTF-8字符一起使用时，它会失败，例如：
ctype_print("Curaçao");
(在荷兰独立岛屿库拉索岛之后)返回false。
提前感谢您的时间和帮助。
浏览 5提问于2014-08-10得票数 9
3回答
我如何保持一个字符串中的所有其他非字母数字字符？(我发现了类似的问题，但似乎都没有正确的答案。)
我尝试了一些东西，比如扩展regex，让它在潜艇中跳过，但它似乎只是让regex停止了所有的工作，让空白空间和诸如此类的停留。我通常不使用python编程，只是想帮助朋友，所以可能有更好的方法来清理字符串，而不是使用re。
通过谷歌搜索，我认为这与Unicode有关，但没有好的解决方案。
def ordnaText(text):
text = text.lower()
text = re.sub('\W', '', text)
if tex
浏览 2提问于2013-12-19得票数 1
回答已采纳
3回答
考虑一下在Python 3中使用正则表达式的代码片段：
>>> t = "Meu cão é #paraplégico$."
>>> re.sub("[^A-Za-z0-9 ]","",t,flags=re.UNICODE)
'Meu co paraplgico'
为什么要删除非ASCII字符？我试着不挂旗子，一切都一样。
作为奖励，任何人都可以在Python2.7上实现这一点吗？
浏览 0提问于2013-03-05得票数 1
回答已采纳
要按python中的空格拆分字符串，通常不使用参数的字符串的split方法：
>>> 'a\tb c\nd'.split()
['a', 'b', 'c', 'd']
但是昨天我遇到了一个字符串，它在单词之间也使用。在将我的新知识转化为一个简短的性能(在JavaScript人员中)之后，我想问如何更好地按照所有进行分离，因为split是不够的：
>>> u'a\u200bc d'.split()
[u'a\u200bc', u'd'
浏览 9提问于2012-01-19得票数 28
回答已采纳
8启用了pcre，我正在尝试匹配\p{Po}组和一堆其他内容。
我想排除“与”字符。如何将特定字符排除在类之外？
-- lua btw
local utf8_general_punctuation_reg = "[\\p{Po}\\p{Cc}\\p{Cs}\\p{Pc}\\p{Pe}\\p{Ps}\\p{Pf}\\p{Pi}\\p{Sm}\\x{2100}-\\x{2123}\\x{2600}-\\x{26ff}]+"
提前感谢！
BTW \p{Po}适用于utf8
只需添加以下答案中有效的内容：
local utf8_general_punctuation_reg
浏览 0提问于2012-05-29得票数 0
回答已采纳
1回答
希腊语的Python
、、、
我想要制作一个python脚本，它使用正则表达式从我提供的源文本中筛选出包含某些希腊语单词的行，然后根据遇到的单词将这些行写到3个不同的文件中。
到目前为止，我的代码如下：
import regex
source=open('source.txt', 'r')
oti=open('results_oti.txt', 'w')
tis=open('results_tis.txt', 'w')
ton=open('results_ton.txt', 'w')
rege
浏览 1提问于2013-11-13得票数 3
回答已采纳
1回答
我正在使用scrapy xpath + re从网页中提取数据。字符是unicode (俄语)，并且所有要提取的字符串都包含长短划线(python代码'\u2014')，问题是我的正则表达式无法找到完整的字符串，并用长短划线将其拆分。对我来说真的很不方便。下面是我已经尝试过的一些例子，它们不起作用：
response.xpath('some xpath goes here').re(r'[\w\s\\u2014\.,]+')
response.xpath('some xpath goes here').re(r'[\w\s\
浏览 0提问于2015-06-05得票数 0
1回答
我构造了以下正则表达式
preg_match_all('#(autom(.*?)tic|(.*?)anual)#', $str2b, $gears);
但我想将其更改为与希腊字符匹配。我想要匹配单词βενζίνη和πετρέλαιο，但是我不能让它工作。
preg_match_all('#(βενζί(.*?)η|πετρέλ(.*?)ιο)#', $str2b, $gears);
我该怎么做呢？
浏览 1提问于2013-10-05得票数 0
我知道Python 3修复了很多UTF问题，但是我不能使用Python 3，我使用的是2.5.1
我正在尝试正则表达式一个文档，但文档中有UTF连字符-而不是-。Python不能匹配它们，如果我把它们放在正则表达式中，它会抛出一个抖动。
如何强制Python使用UTF字符串或以某种方式匹配这样的字符？
谢谢你的帮忙
浏览 8提问于2008-12-16得票数 7
回答已采纳
1回答
我有一个名为gugong.txt的文本文件，里面有一些中文和英文单词。我想把中文单词提取出来。代码如下：note_file = open('gugong.txt','rb')
note_file = open('gugong.txt','rb')
content = note_file.read()
print type(content)
note_file.close()
sentences = re.split("\W+|[a-zA-Z0-9]+", content, 0, re.UNICODE)
我想问一
浏览 1提问于2013-11-18得票数 0
我正在使用这个代码块：
>>> import re
>>> def titlecase(s):
... return re.sub(r"[A-Za-z]+('[A-Za-z]+)?",
... lambda mo: mo.group(0)[0].upper() +
... mo.group(0)[1:].lower(),
... s)
...
>>> titlecase("
浏览 3提问于2012-12-03得票数 2
回答已采纳
1回答
乍一看，这似乎是一个常见的问题:我想在逗号上匹配，但不包括在一对“双引号”之间的逗号。然而，使这一挑战的是，我需要用XML风格的regex ()来完成这个任务。
我能找到的所有解决方案都涉及到前瞻性，这不是正则表达式中的一个特性。我得到的最接近的是：
(?:"[^"]*")|(,)
这避免了匹配逗号内部引号，而是将引号和其中的任何文本作为单独的组进行匹配。我遇到的一个建议是这样：
(?:"[^"]*")(*SKIP)(*FAIL)|(,)
这将完美地工作，但是(*SKIP)和(*FAIL)在这个regex变体中是不可用的。
Foo,Bar,&#
浏览 1提问于2018-01-17得票数 1
回答已采纳
1回答
删除标点符号，但不是全部删除
、、、、
我的工作是从一个文本变量中删除标点符号，可以是阶段，等等。
示例:你好，我是llamo Juan！我叫Hoy es día camión
我使用的代码是：
REGEXP_REPLACE(text, '[^0-9A-Za-z ]+', '')
这通常工作得很好。问题是在一些语言中，我们在一些单词上有标点符号。示例: día camión。当运行上面的代码时，这些单词的输出是"da“"camin”。它删除与标点符号相关联的字母。
有没有办法避免这种情况发生？
谢谢!
浏览 0提问于2020-01-22得票数 2
我有一个Unicode字符代码列表，我需要在python2.7上将其转换为字符。
U+0021
U+0022
U+0023
.......
U+0024
怎么做？
浏览 3提问于2018-05-11得票数 0
回答已采纳
这里有许多关于StackOverflow的问题和答案，它们假设一个“字母”可以通过[a-zA-Z]在正则表达式中进行匹配。然而，使用Unicode时，大多数人会将更多的字符视为字母(所有希腊字母，Cyrlic..还有更多。字母，每个字母都可以有“”。
像字母字符这样的东西的Java定义，但它被指定为只适用于US-ASCII码。预定义的字符类将单词定义为由[a-zA-Z_0-9]组成，这也排除了许多字母。
那么如何正确地匹配Unicode字符串呢？有没有其他的库可以做到这一点呢？
浏览 4提问于2011-03-16得票数 15
回答已采纳
我希望在波斯数字和波斯字母之间添加如下空格：
"سعید123“转换为”سعید123"
此过程的Java代码如下所示。
str.replaceAll("(?<=\\p{IsDigit})(?=\\p{IsAlphabetic})", " ").
但我找不到任何python解决方案。
浏览 6提问于2018-05-07得票数 0
回答已采纳
4回答
我正在学习英语的正则表达式(regex)，尽管其中一些概念似乎适用于其他语言，如日语，但我觉得其他许多语言都不适用。例如，regex的一个常见用法是查找单词是否包含非字母数字字符。我不明白这种技术和其他技术在日语中是如何工作的，因为日语不仅有三种书写系统，而且汉字也非常复杂，而且比字母数字字符的范围要大得多。我非常感谢任何关于这个主题的信息，以及更多可以研究的领域，因为我对这个主题知之甚少，尽管我已经学习了很多日语课程。如果可能的话，我希望你的答案是使用python和Java，因为这些都是我熟悉的语言。谢谢你的帮助。
浏览 1提问于2012-05-30得票数 18
回答已采纳
我正在尝试匹配Python中的正则表达式。
我想匹配像\u01234string、string\u01234string或string\u01234这样的字符串。
我的解决方案是\\u\d+\D+(,|\s|\D+)。
单击my expression和sample text的。
问题是:无论我怎么尝试，比赛都不会结束。如果我添加$，那么它将不会匹配任何内容。
在本例中，为\u0130stanbul和Regi\u00f3n。
浏览 2提问于2016-11-12得票数 0
我发现了一个很好的指南：，它提供了一些关于如何将非字母与以下正则表达式匹配的提示：
\P{L}
但是这个regex会考虑非字母，也会考虑à编码为U+0061 U+0300 (如果我理解的话)。例如，在python中使用模块的代码片段如下：
all_letter_doc = regex.sub(r'\P{L}', ' ', doc)
将purè转换为pur
在指南中提供了如何将所有字母与以下内容相匹配：
\p{L}\p{M}*+
在实践中，我需要否定它，但我不知道如何获得它。
浏览 1提问于2016-07-24得票数 3
回答已采纳
4回答
我有一个脚本可以解析电视剧集的文件名(例如，show.name.s01e02.avi)，获取剧集名称(来自www.thetvdb.com应用程序接口)，并自动将它们重命名为更好的名称(Show name - 01x02.avi)
该脚本运行良好，直到您尝试在具有Unicode show-name的文件上使用它(这是我从未真正考虑过的，因为我拥有的所有文件都是英语的，所以大部分都属于[a-zA-Z0-9'\-])。
如何允许正则表达式匹配重音字符和类似字符？目前regex的配置部分看起来像..
config['valid_filename_chars'] = "&
浏览 0提问于2008-08-18得票数 30
回答已采纳
因此，假设我有一个django应用程序，它需要响应一个这样的url：。原始参数是“食品日志”，但当它包含在url中时，需要将空格替换为%20。现在这个链接已经被点击了，它又回到了urls.py。
urlpatterns = patterns('',
(r'^(?P<content_type>\w+)/(?P<object_id>\d+)/(?P<direction>up|down|clear)/$', process_vote),
... )
因此，它似乎无法正确识别参数。这是在想要使用一个带有空格的content_type之
浏览 0提问于2011-09-02得票数 0
回答已采纳
我正在尝试构建一个.NET正则表达式来匹配SQL Server常量字符串...而不是Unicode字符串。
下面是一些SQL语句：
select * from SomeTable where SomeKey = 'abc''def' and AnotherField = n'another''value'
请注意，在字符串中，两个单引号转义一个单引号。
正则表达式应与'abc''def‘匹配，但不能与n’另一个‘’value‘匹配。
我现在有一个正则表达式，它设法定位一个字符串，但它也匹配Unicode字符
浏览 0提问于2011-08-18得票数 0
回答已采纳
2回答
删除列表中的项目
、、
a = ['pear', 'apple?orange']
或
a = ['pear', 'apple!orange']
问号和引号可以是任何非字母或非数字字符(<,?,<,#)。
如果我想删除非字母字符并列出以下列表：
b = ['apple', 'orange']
我该怎么做呢？我应该使用a.remove还是`a.split？
我使用的是python 3。
浏览 3提问于2013-12-03得票数 0
Python RegEx中的特殊序列(字符类)是与一组字符匹配的转义符，如\w或\d。
在我的例子中，我需要能够匹配除数字以外的所有α-数字字符。
也就是说，\w减去\d。
我需要使用特殊的序列\w，因为我处理的是非ASCII字符，并且需要匹配诸如“non”和“”这样的符号。
有人会认为我可以使用这个表达式：[\w^\d]，但它似乎与任何东西不匹配，我也不知道为什么。
总之，我如何在Python正则表达式中混合(加/减)特殊序列？
编辑：我无意中使用了[\W^\d]而不是[\w^\d]。后者确实与某些内容相匹配，包括括号和逗号，就我而言，它们不是字母数字字符。
浏览 10提问于2012-09-10得票数 8
回答已采纳
.NET框架中正则表达式\w的常用字母符号与字母数字符号匹配，因此等同于[a-zA-Z0-9]，对吧？在.NET中有没有[a-zA-Z]的等价物？
浏览 0提问于2009-10-30得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
