Python 非ASCII字符的Regexp

考虑在Python 3中使用正则表达式的这个代码段：

>>> t = "Meu cão é #paraplégico$."
>>> re.sub("[^A-Za-z0-9 ]","",t,flags=re.UNICODE)
'Meu co  paraplgico'

为什么要删除非ASCII字符？我试着不用国旗，一切都一样

---

作为奖励，任何人都可以在Python 2.7上实现这一点吗？

您正在将非字母数字字符（

[^a-Za-z0-9]

）替换为空白（

“

）。非ASCII字符不在A-Z、A-Z或0-9之间，因此它们会被替换

您可以像这样匹配所有单词字符：

>>> t = "Meu cão é #paraplégico$."
>>> re.sub("[^\w ]","",t, flags=re.UNICODE)
>>> 'Meu cão é paraplégico'

---

或者，您可以像这样将字符添加到正则表达式中：

[^A-Za-z0-9ã]

您正在用空白（

[^A-Za-z0-9]

）替换非字母数字字符（

[^A-Za-z0-9]

）。非ASCII字符不在A-Z、A-Z或0-9之间，因此它们会被替换

[In 1]: import regex
[In 2]: t = u"Meu cão é #paraplégico$."
[In 3]: regex.sub(r"[^\p{Alpha} ]","",t,flags=regex.UNICODE)
[In 4]: print(regex.sub(r"[^\p{Alpha} ]","",t,flags=regex.UNICODE))

您可以像这样匹配所有单词字符：

>>> t = "Meu cão é #paraplégico$."
>>> re.sub("[^\w ]","",t, flags=re.UNICODE)
>>> 'Meu cão é paraplégico'

或者您可以像这样将字符添加到正则表达式中：

[^A-Za-z0-9ãé]

[In 1]: import regex
[In 2]: t = u"Meu cão é #paraplégico$."
[In 3]: regex.sub(r"[^\p{Alpha} ]","",t,flags=regex.UNICODE)
[In 4]: print(regex.sub(r"[^\p{Alpha} ]","",t,flags=regex.UNICODE))

Meu cãoéParalégico

Meu cãoéParalégico

---

我通过切换到regex库（从PyPI）解决了这个问题

然后，regex命令变成：

regex.sub(ur"[^\p{L}\p{N} ]+", u"", t)

---

我通过切换到regex库（从PyPI）解决了这个问题

然后，regex命令变成：

regex.sub(ur"[^\p{L}\p{N} ]+", u"", t)

---

我使用的是python 3.2，因为

a-z

是

abcdef…xyz

，这不包括

a

。如果您想要所有单词字符，请使用

\w

。我使用的是python 3.2，因为

a-z

是

abcdef…xyz

，而这不包括

a

。如果您想要所有单词字符，请使用

\w

。是的，我知道了！但是在Unicode中A-Za-z的等价物是什么？在许多（其他）语言中，您可以使用Unicode属性定义

[^\p{Alpha}]

的正则表达式。请参阅Python中的备选方案。是的，我知道了！但是在Unicode中A-Za-z的等价物是什么？在许多（其他）语言中，您可以使用Unicode属性定义

[^\p{Alpha}]

的正则表达式。有关Python中的替代方案，请参见。