Python 如何找到带有下标的单词？

输入：

s=“test1这是一个示例下标o₁"

我已经尝试过：
re.compile（r'\b[^\W\d.]{2，}\b'）.findall（s）

它查找包含2个以上字符且不包含数字的单词
'this'，'is'，'sample'，'subscript'，'o₁',

但它仍然有下标号

有没有办法删除包含下标的单词

期望输出：
'this'，'is'，'sample'，'subscript'
关键是Python 3正则表达式中支持Unicode的
\d
不匹配

如果您只需要使用ASCII字母单词，请使用

r'\b[a-zA-Z]{2,}\b'

或者，通过使用
re.A
/
re.ASCII
标志，使模式具有非Unicode意识：

re.compile(r'\b[^\W\d_]{2,}\b', re.A)

看

如果您需要使用任何Unicode字母，您可以通过将所有
No
字符添加到regex否定字符类（这可能会使其成为一个乏味的解决方案）来修复它，或者在找到匹配项后添加编程检查，以查看匹配项是否包含
No
类别中的任何字符

见：

请确保您使用的是最新的Python版本以支持最新的Unicode标准，或者依赖于：

关键是Python 3正则表达式中支持Unicode的
\d
与
No
Unicode类别不匹配。您应该“手动”排除它“，将它们添加到否定字符类。补充上面的注释，看一看。基于匹配的字母构建表达式，而不是匹配除
\W\d\u
和其他内容之外的任何内容，这难道不更容易吗？@khelwood
[a-zA-Z]
只匹配ASCII字母
[\W\d\u]
通常用作与正则表达式匹配的任何字母。@WiktorStribiżew，但显然这不会产生正确的结果。ASCII标志：可以在任何容量的答案中使用吗？@deveshkumarsing是的，如果您计划只使用ASCII，请使用
re.A
，或更详细的
[A-Za-z]
正则表达式。
import re, sys, unicodedata
s = "test1 this is a sample subscript o₁"
No = [chr(i) for i in range(sys.maxunicode) if unicodedata.category(chr(i)) == 'No']
print([x for x in re.findall(r'\b[^\W\d_]{2,}\b', s) if not any(y in x for y in No)])
# => ['this', 'is', 'sample', 'subscript']

p = regex.compile(r"\b\p{L}{2,}\b")
print(p.findall(s))