使用Unicode的Python和正则表达式

我需要从字符串“بِسْمِاّّهِِّْْننِِِِِِِِِِِِِِِِّّّّّّ

我知道他们肯定在这里。我试过：

re.sub('([\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+)', '', 'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ')

---

但它不起作用。字符串保持不变。我做错了什么？

您使用的是python 2.x还是3.0

如果您使用的是2.x，请尝试将正则表达式字符串设置为带有“u”的unicode转义字符串。因为它是正则表达式，所以最好将正则表达式字符串设置为原始字符串，并带有“r”。此外，将整个模式放在括号中是多余的

re.sub(ur'[\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+', '', ...)

编辑：

对UNICODE正则表达式使用re.UNICODE/re.U/（？U）标志也是一种很好的做法，但它只影响\w或\b之类的字符类别名，这种模式不使用任何别名，因此不会受到字符串的影响。

使用字符串。使用国旗

myre=re.compile（ur'[\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+'， 关于（UNICODE） >>>迈尔 >>>mystr=u'15766ِْمِاهِِِِِِّّْل >>>结果=myre.sub（“”，mystr） >>>len（mystr），len（result） (38, 22) >>>打印结果 بسم الله الرحمن الرحيم

---

阅读Joel Spolsky的文章，名为

@nosklo，为什么设置字符数的花括号--{5}不适用于unicode字符，我遇到了一些问题，但是，+工作正常。你有什么想法吗？谢谢@我不知道，如果没有我的魔法水晶球，就没有办法帮上忙。我刚刚测试过，它对我来说很好。如果它不适合你，我建议你问一个新问题，提供你的代码和你得到的结果。如果你想在python中使用

re

，你必须知道它不支持Unicode字符属性（比如

\p{L}

）。是的。

re.UNICODE

标志在这里是无用的，因为它只影响速记字符类

\w

，

\d

，

\s

。嗯，不知道可以同时连接

u

和

r

前缀。太酷了@BalthazarRouberol我在Python 3.6中得到了

SyntaxError:invalid syntax

>>> myre = re.compile(ur'[\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+', 
                      re.UNICODE)
>>> myre
<_sre.SRE_Pattern object at 0xb20b378>
>>> mystr = u'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ'
>>> result = myre.sub('', mystr)
>>> len(mystr), len(result)
(38, 22)
>>> print result
بسم الله الرحمن الرحيم