python正则表达式中的Grapheme支持

我正在使用awesome模块，尝试其

\X

grapheme支持

首先，我尝试使用普通的

>>> print regex.match('.', 'Ä').group(0)

>>> print regex.match('..', 'Ä').group(0)
Ä

一切如期进行。转到

\X

>>> print regex.match('\X', 'Ä').group(0)

>>> print regex.match('\X\X', 'Ä').group(0)
Ä

为什么它与

相同？一个

\X

难道不足以捕获a-umlaut吗？是：

• 我对grapheme或

  \X

  的理解有误吗
• 我需要先打开某个标志/开关？（我搜索了文档，找不到）
• 我的环境怎么样？（Python 2.7.3，pip报告regex==2014.12.24）
• 图书馆里的虫子
• 还有别的吗

---

它将

Ä

定义为unicode字符

>>> print regex.match('.', u'Ä').group()
Ä
>>> print regex.match('\X', u'Ä').group()
Ä

Python2和Python3之间的主要区别在于处理文本和字节的基本类型。在Python3上，我们有一个文本类型：

str

，它保存Unicode数据和两个字节类型bytes和bytearray

另一方面，在Python2上，我们有两种文本类型：

str

，无论出于何种目的，它都被限制为ASCII+7位范围以上的一些未定义数据，unicode相当于Python3 str类型和它从Python3继承的一字节类型bytearray

---

参考-

问题在于默认情况下，python2字符串是字节字符串，这对unicode grapheme没有任何意义。如果您指定使用unicode字符串，它将非常有效

>>> print(regex.match('\X', 'Ä').group(0))

>>> print(regex.match('\X', u'Ä').group(0))
Ä

---

在python3中，默认字符串是unicode，要指定字节字符串，您应该像这样在前面加上一个

b

，

b“mybytestring”

我认为问题只存在于2.7版本。在3.4

print（regex.match（'\X'，Ä'）.group（0））

中打印字母

Ä

。