带有unicode（日语）字符问题的正则表达式python

我想删除下面字符串的一部分（以粗体显示），它存储在字符串oldString中

[DMSM-8433]加護亜依Kago Ai-加護亜依 对周五

我在python中使用以下正则表达式

p=re.compile(ur"( [\W]+) (?=[A-Za-z ]+–)", re.UNICODE)
newString=p.sub("", oldString)

---

当我输出新闻字符串时，没有任何内容被删除

我认为您应该使用如下正则表达式：

([\p{Hiragana}\p{Katakana}\p{Han}]+)

另请参阅

编辑：

---

我还测试了它。

您可以使用以下代码片段来解决此问题：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
str = u'[DMSM-8433] 加護亜依 Kago Ai – 加護亜依 vs. FRIDAY'
regex = u'[\u3000-\u303f\u3040-\u309f\u30a0-\u30ff\uff00-\uff9f\u4e00-\u9faf\u3400-\u4dbf]+ (?=[A-Za-z ]+–)'
p = re.compile(regex, re.U)
match = p.sub("", str)
print match.encode("UTF-8")

看

在

#-*-编码：utf-8-*-

声明旁边，我添加了

---

请注意，

匹配

需要“手动”编码为UTF-8字符串，因为Python 2需要“提醒”我们一直在使用Unicode。

旧字符串

也应该转换为Unicode。它是？你如何获得它？在声明

p

之前，请尝试

oldString=unicode（oldString，“utf-8”）

。您的预期输出是什么？@stribizev我在文件顶部指定

#-*-编码：utf-8-*-

，根据我所阅读的内容，这应该将其转换为unicode，我从一个HTML页面中获得它@Kasramvd预期输出应该是“[DMSM-8433]卡戈艾-加護亜依 vs.FRIDAY“试试这个。相关：Python re不支持Unicode属性。当然，有包装，但你需要在回答中提到它。（另外，我不太确定上述语法是否会在regex包中被接受）这似乎适用于PHP，但不适用于Python，当运行Python时，使用re-package将“Kag”和“I”从“Kago Ai”@nhahtdh中剥离出来，我不知道还有另一个，我将通过链接阅读。结果是非常不同的。我同意您@Stribizhev的观点。只需注意：在Windows上，在Python2.x中，可以添加

#coding:utf-8

指令来对源代码实施UTF8编码。