Python 如何获取正则表达式以将非ASCII字符识别为字母？

我正在用瑞典语从网页中提取信息。此页面使用的字符如下：öäå

我的问题是，当我打印信息时，这些信息就消失了

我用漂亮的汤提取信息。我认为问题在于我对提取的字符串执行了一系列正则表达式，例如

location=re.sub（r'（[^\w]）+，''，location）

，以删除除字母以外的所有内容。在此之前，我猜Beautiful Soup对字符串进行了编码，使得öäå变成了类似/x02/，一个十六进制值

如果我是正确的，那么正则表达式正在删除öäå，对吧，我的意思是十六进制字符的左边唯一应该是正则表达式后面的x，但是在我的页面上没有x而不是öäå，所以这个小理论可能不正确？不管怎样，如果是对的还是错的，你怎么解决这个问题？当我稍后将提取的信息打印到我的网页时，我使用google app engine中的self.response.out.write（）（不知道这是否有助于解决问题）

编辑：瑞典网站上的编码是utf-8，而我的网站上的编码也是utf-8。

---

EDIT2：您可以使用ISO-8859-10来表示瑞典语，但根据google chrome，此特定站点上的编码是Unicode（utf-8）

始终使用Unicode，并且仅在必要时转换为编码表示

对于这种特殊情况，还需要使用标志，以便

\w

匹配unicode字母：

#coding: utf-8

import re

location = "öäå".decode('utf-8')
location = re.sub(r'([^\w])+', '', location, flags=re.U)

print location # prints öäå

---

如果您可以在每个步骤之前和之后转储字符串，这会有所帮助

---

首先检查

re.UNICODE

的值，请参见

我认为使用

BeautifulSoup

的全部目的不是使用正则表达式。请仔细阅读，这可能是一个编码问题（UTF-8与ISO-8859-x，x是瑞典语使用的任何代码页）但是如果没有更多关于所使用编码的细节，就很难说了。@JimGarrison这次没有。这基本上是@jsbueno所想的——您需要使用

unicode

而不是编码文本。