Python 如何使用正则表达式可移植地解析（Unicode）度符号？

我正在为Ubuntu上的

sensors

实用程序的输出编写一个简单的正则表达式解析器。下面是我正在分析的一行文本的示例：

temp1:        +31.0°C  (crit = +107.0°C)

下面是我用来匹配它的正则表达式（在Python中）：

这段代码按预期工作，并与我上面给出的示例文本相匹配。我真正感兴趣的是数字，所以这一点：

(\+|-)(\d+\.\d+)\W\WC

以匹配

+

或

-

符号开始，以匹配

°C

结束

---

我的问题是，为什么需要两个

\W

（非字母数字）字符来匹配

°

？在Unicode与我的表示方式不同的系统上，代码是否会中断？如果是，如何使其可移植？

可能的可移植解决方案：

将输入数据转换为unicode，并在正则表达式中使用

re.unicode

标志

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re


data = u'temp1:        +31.0°C  (crit = +107.0°C)'
temp_re = re.compile(ur'(temp1:)\s+(\+|-)(\d+\.\d+)°C\s+' 
                     ur'\(crit\s+=\s+(\+|-)(\d+\.\d+)°C\).*', flags=re.UNICODE)

print temp_re.findall(data)

输出

[(u'temp1:', u'+', u'31.0', u'+', u'107.0')]

编辑

allready在评论中指出了这一点

更新

关于输入编码的注释：

check\u output（）

返回有时可能是文本的二进制数据（在本例中，该数据应具有已知的字符编码，您可以将其转换为Unicode）。无论如何，ord（u'°'）==176，因此不能使用ASCII编码

因此，要将输入数据解码为

unicode

，基本上*您应该使用

locale.getpreferredencode（）

从系统语言环境中进行编码，例如：

data = subprocess.check_output(...).decode(locale.getpreferredencoding())

正确编码数据后：

在这种情况下，不使用re.UNICODE，您将获得相同的输出

---

基本上为什么？因为在俄文Win7上，如果我们有将其输出解码为utf-8的

script.py

，则使用

cp1251

作为

preferredencoding

：

#!/usr/bin/env python
# -*- coding: utf8 -*-

print u'temp1: +31.0°C  (crit = +107.0°C)'.encode('utf-8')

我们需要解析它的输出：

subprocess.check_output(['python', 
                         'script.py']).decode(locale.getpreferredencoding())

将产生错误的结果：

“b°”

而不是

°

---

因此，在某些情况下，您需要知道输入数据的编码。

使用与

\W\WC

或

\WC

不匹配的

re.UNICODE

标志。或者，我误解你了吗？还有一个“

℃

”，它是一个单独的字符，表示摄氏度。非常感谢，Unicode联盟！当然，但是对于这类事情，一个完整的工作示例总是一个好主意。对于许多程序员来说，即使有完整的工具，正确处理Unicode也是很困难的：（+1:用于“将输入数据转换为Unicode”。顺便说一句，在这种情况下，您将在没有

re.Unicode

的情况下获得相同的输出。谢谢。我已经玩过了。在“真实”中代码数据实际上来自对

子进程的调用的输出。检查输出，它返回的数据是ASCII，而不是Unicode，因此这在那里不太有效。也许更明智的做法是转移到Python3，其中“一切”都是Unicode？嗯。@snim2:
检查输出（）
返回有时可以是文本的二进制数据（您可以将其转换为Unicode）。无论如何，
ord（u'°'）==176
因此不能使用编码对其进行编码。Python 3帮不了您，因为
check_output
可以返回作为文本没有意义的数据，例如二进制图像数据（无法将其转换为Unicode；没有关联的字符编码）。@reclosedev:您的意思可能是
locale.getpreferredencoding（）
。它完全独立于用于脚本的源编码。
subprocess.check_output(['python', 
                         'script.py']).decode(locale.getpreferredencoding())