Python 2.7.5中带有Umlauts的正则表达式

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. -]+;.+')

我正在读一个csv文件。开始时必须有4位数字，直到a

，直到第二个
必须有来自a-Z、umlauts和
的字母，或空格或
，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
这样的词。在第三个“部分”中，我没有指定UMLAUT，它们出现时没有问题

我确实在脚本的开头添加了
#-*-编码：utf-8-*-
。
通过编码到utf-8，您将多字节序列输入到字符类中：

>>> 'ä'
'\xc3\xa4'

任何超出ASCII字符范围的内容都需要多个字节进行编码

您的字符类现在将匹配0xC3字节或0xA4字节；您的类包含更多字节，它可以匹配
“ä”
，但也可以将任何其他UTF-8字节序列与C3或A4字节匹配

您必须显式地匹配每个UTF-8字节对（这是一个真正的难题），或者首先将数据解码为Unicode字符串并使用Unicode正则表达式：

re.compile(u'\d{4};[a-zA-ZäöüÄÖÜß. -]+;.+', flags=re.UNICODE)

当您使用该正则表达式时，请务必传入Unicode文本
通过编码到UTF-8，您在字符类中输入了多字节序列：

>>> 'ä'
'\xc3\xa4'

任何超出ASCII字符范围的内容都需要多个字节进行编码

您的字符类现在将匹配0xC3字节或0xA4字节；您的类包含更多字节，它可以匹配
“ä”
，但也可以将任何其他UTF-8字节序列与C3或A4字节匹配

您必须显式地匹配每个UTF-8字节对（这是一个真正的难题），或者首先将数据解码为Unicode字符串并使用Unicode正则表达式：

re.compile(u'\d{4};[a-zA-ZäöüÄÖÜß. -]+;.+', flags=re.UNICODE)

当你使用正则表达式时，一定要输入Unicode文本
谢谢，伙计，这很有效！！！我已经为这个问题绞尽脑汁好几天了..这不应该是
ru'\d{4}…
（对于原始unicode字符串）？@thebjorn:不一定是；对于相同的结果，原始字符串文字只是不同的语法。在这种情况下，
\d
将保留结果值中的
\d
。Python3中没有
ru
前缀，因此对于多语言代码（需要在Python2和Python上运行的代码），我倾向于不使用该前缀。谢谢，这很有效！！！我已经为这个问题绞尽脑汁好几天了..这不应该是
ru'\d{4}…
（对于原始unicode字符串）？@thebjorn:不一定是；对于相同的结果，原始字符串文字只是不同的语法。在这种情况下，
\d
将保留结果值中的
\d
。Python3中没有
ru
前缀，因此对于多语言代码（需要在Python2和Python上运行的代码），我倾向于不使用该前缀。