Python 如何在正则表达式中使用使用多个unicode点的字母表？

上下文：以下表达式是为泰米尔语文本编写的

'^[சிகு]'

是以

开头的行的预期表达式சி' 或者கு'

就像英语中的

'^[ab]'

如何匹配以

'a'或'b'开头的行一样

但是由于Unicode代表了一些东方语言，具有多个代码点

^[ச,ி,க,ு]'（为清晰起见使用逗号）
சி -> ச,ி和
கு -> க,ு

在python中用几个字运行表达式，将得到以下结果（您可以看到完整的结果）

注：使用此表达式可获得预期结果^(சி|கு)'但这适用于这种特定情况，但如果我想编写表达式来匹配
சிசிசிகுகுசிகு？是否有任何方法可以使表达式<代码>'^[சிகு]+'匹配
சிசிசிகுகுசிகு


为了便于使用，我在这里添加了文本示例

预期：

குல்
குழை
குறை
சிலை
குறி
குரு
சிறை
குடி
குடை
குமை
சிதை
குலை
குளி
குவி

匹配：

கடி
கழி
கலி
கலை
கா
கோடு
குல்
சேர்
சரி
கை
கரை
சாய்
கடு
குழை
குறை
கோ
சுழி

Python中的字符类只匹配单个代码单元/点，即那些可以与
\uxxx
或
\uxxxxx
符号匹配的字符类。不匹配字符序列。用于匹配字符序列

您有包含多个代码单元的多字节字符，它们不能作为单个代码点重新写入，因此您将始终获得字符类中字符之间的OR行为，如您所述：
[சிகு]（正则表达式引擎将其视为
[ச,ிக,ு]
将匹配类中定义的四个字符中的一个，而不是两个字符序列中的任何一个

要匹配字符序列，就像多字节字符中的代码单位一样，必须使用分组结构：

我不是Unicode方面的专家，但你可能需要这样做。请注意：“即使两个Unicode字符串被规范化，并且在人类读者看来是一样的，如果一个有组合字符，另一个没有，它们可能不相等。”在欧洲语言中，我们也有连字（特别是草书），重音字符可以通过两个代码点进行编码。Unicode有一个关于拆分字符、“字形”、单词、行的附件，它并不是那么简单。此外，它取决于语言（不仅仅是脚本）、文本周期（1900年开始的IIRC泰米尔语文本有时使用其他“连字”）（取决于字体）因此，我并不认为正则表达式可以解决这个问题（我倾向于只对计算机内容使用正则表达式，而不是人工生成的文本）。字符类只匹配代码单位，您无法使字符类更匹配，例如整个代码点。您必须在此处使用分组结构。顺便说一句，我10年前致力于本地化到Malayalam。它还有一些疯狂的连字，当时没有人能处理。@vanangamudi:regex是一种古老的语言，经过多次增强s、 我也认为我们需要工具来处理不同的语言，但据我所知，没有真正好的工具，我认为它与正则表达式会有很大的不同。
சி|கு
(?:சி|கு)
(சி|கு)