Python 阿拉伯文正则表达式给出TypeError
我有一个简单的正则表达式：Python 阿拉伯文正则表达式给出TypeError,python,regex,arabic,Python,Regex,Arabic,我有一个简单的正则表达式： text = re.sub("[إأٱآا]", "ا", text) 但是，我得到了以下（Python 2.7）错误： 我是一个regex新手，我想这是一个简单的事情来修复，但我 不知道怎么做？谢谢。re.sub希望正则表达式作为第一个参数。您需要在模式中转义左括号。使用\[而不是[re.sub需要正则表达式作为第一个参数。您需要在模式中转义左括号。使用\[而不是[很抱歉，我无法将其放在评论部分。据我所知，re.sub中没有任何错误。因为如果您将字符编码回
text = re.sub("[إأٱآا]", "ا", text)
不知道怎么做？谢谢。
re.sub\[[re.sub
需要正则表达式作为第一个参数。您需要在模式中转义左括号。使用\[
而不是[
很抱歉，我无法将其放在评论部分。据我所知，re.sub中没有任何错误。因为如果您将字符编码回unicode，则会得到下面的逐字记录
text = re.sub("[\u0625\u0623\u0671\u0622\u0627]", "\u0627", text)
因为它是阿拉伯语，请记住它是从右到左的，视觉效果有点混乱，仅此而已。
它实际上是试图用一个字符替换一组字符
虽然人们为什么要用\u0627
取代\u0627
，但我不知道
我认为问题在于text
。如果你能做print（text）
，那么我们可以看到其中是否有属于“[code>”
=”[\u0625\u0623\u0671\u0622\u0627]”
简单地说，\u0627
是左边最小的垂直线；-）
在理解它的实际用途方面没有什么帮助（只需复制问题中的整个语句并执行以下操作）
已编辑
>>> re.sub(myset,myrep,text)
u'\u0627\u0627\u0627abc'
>>> res=re.sub(myset,myrep,text)
>>> res
u'\u0627\u0627\u0627abc'
>>> myrep
u'\u0627'
>>> myset
u'[\u0625\u0623\u0671\u0622\u0627]'
>>> text
u'\u0625\u0623\u0623abc'
>>> print(res)
اااabc
>>> print(myrep)
ا
>>> print(myset)
[إأٱآا]
>>> print(text)
إأأabc
>>>
因此，从本质上讲，一切都很好，错误在其他地方。
我认为这再现了在其他地方发生的错误，而这就是
>>> print(u'\u0625'+ord(u'\u0625'))
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: coercing to Unicode: need string or buffer, int found
打印（u'\u0625'+ord（u'\u0625'））
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
TypeError:强制使用Unicode:需要字符串或缓冲区，找到int
干杯！很抱歉，我无法将此内容放在评论部分。据我所知，re.sub中没有任何错误。因为如果您将字符编码回unicode，您将获得以下逐字记录
text = re.sub("[\u0625\u0623\u0671\u0622\u0627]", "\u0627", text)
\u0627\u0627textprint（text）“[code>””[\u0625\u0623\u0671\u0622\u0627]”简单地说，
\u0627在理解它的实际用途方面没有什么帮助（只需复制问题中的整个语句并执行以下操作）
已编辑
>>> re.sub(myset,myrep,text)
u'\u0627\u0627\u0627abc'
>>> res=re.sub(myset,myrep,text)
>>> res
u'\u0627\u0627\u0627abc'
>>> myrep
u'\u0627'
>>> myset
u'[\u0625\u0623\u0671\u0622\u0627]'
>>> text
u'\u0625\u0623\u0623abc'
>>> print(res)
اااabc
>>> print(myrep)
ا
>>> print(myset)
[إأٱآا]
>>> print(text)
إأأabc
>>>
我认为这再现了在其他地方发生的错误，而这就是
>>> print(u'\u0625'+ord(u'\u0625'))
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: coercing to Unicode: need string or buffer, int found
干杯！我终于做到了：
sText = re.sub(ur"[\u0625|\u0623|\u0671|\u0622|\u0627]", ur"\u0627", sText)
谢谢大家的帮助。我最终就是这样做的：
sText = re.sub(ur"[\u0625|\u0623|\u0671|\u0622|\u0627]", ur"\u0627", sText)
谢谢大家的帮助。将所有字符串定义为
unicode#coding: utf-8
import re
text = re.sub(u"[إأٱآا]", u"ا", u"الآلهة")
print text
الالهة
将所有字符串定义为
unicode#coding: utf-8
import re
text = re.sub(u"[إأٱآا]", u"ا", u"الآلهة")
print text
الالهة
它一定与编码有关，你确定它是UTF8吗？阿拉伯语是RTL，这让你很反感；Python看不到你的代码，就像它在这里的显示方式一样。例如，第二个
[][]intstrstrintstrintstr