Python regexp\w

各国：

8位字节模式的特殊序列\w与字符匹配 在ASCII字符集中被视为字母数字；这相当于 [a-zA-Z0-9]

现在比较：

re.search(r"([\w]+)", 'München').group(1)

与：

第一条语句输出整个城市名München，第二条语句仅输出第一个字母M。字母U是一个单字节，代码点0xFC=252拉丁-1。

---

我的问题是：假设Python手册是正确的，我如何将[\w]+和[a-zA-Z0-9_3;]+之间的输出差异与Python-3手册中的语句相协调？我用空闲的v。3.6.2.

我不确定你的报价来源，但你的链接上说：

对于Unicode str模式：

匹配Unicode单词字符；这包括任何语言中可以作为单词一部分的大多数字符，以及数字和下划线。如果使用ASCII标志，则只匹配[a-zA-Z0-9_u3;]，但该标志会影响整个正则表达式，因此在这种情况下，使用显式[a-zA-Z0-9_3;]可能是更好的选择

对于8位字节模式：

匹配ASCII字符集中被视为字母数字的字符；这相当于[a-zA-Z0-9]

---

我仍然主要使用Python2，但Python3的一个重大变化是默认情况下所有字符串都是Unicode。Python将在阅读时将文本转换为Unicode。

您引用了错误的Python 3.1手册

正确的答案在

如果您希望\w像[a-zA-Z0-9_]一样工作，则应使用re.ASCII标志：

---

默认情况下启用re.U标志=\w匹配Python 3中的任何Unicode字母和数字。默认情况下，Python3字符串是Unicode字符串，而不是字节字符串。手册中应该没有提到re.U标志吗？你到底需要什么？在Python 3中是否始终只匹配[A-Za-z0-9_u2;]？然后传递re.ASCII标志。@P.Wormer手册确实提到了这一点。你只是没有读到正确的部分。你没有使用字节，那么为什么要引用字节部分呢？我编写了一个小Python程序，用拉丁语1计算文本中的单词。文本包含128到255个重音字符之间的单字节字符。令我惊讶的是\w+完全按照我的要求使用重音字符计数单词。现在我试着去理解发生了什么。我确信我正在读的文本是拉丁文1。文本实际上比Unicode旧。也许Python在阅读Maybe？时会在某个地方转换它。好吧，答案是：我无意中使用了UTF-8，应该意识到re.U标志是打开的。谢谢大家!！

re.search(r"([a-zA-Z0-9_]+)", 'München').group(1)  

>>> re.search(r"([\w]+)", 'München').group(1)
'München'
>>> re.search(r"([\w]+)", 'München', flags=re.ASCII).group(1)
'M'
>>> re.search(r"([a-zA-Z0-9_]+)", 'München').group(1)
'M'