使用char类时，Python上的正则表达式打印垃圾

Question

Python 2.7

我正在处理utf-8编码的文件（希腊语），似乎regex存在一些问题。

当我不使用char类时，正则Regex似乎工作正常。 当我做 ：

        text = re.sub('αυ','kk',text,flags=re.UNICODE)

一切正常，例如'αυτιά'将被转换为'kkτιά'。

但是，当我想使用char类时：

        text = re.sub('αυ[τ]','kk',text,flags=re.UNICODE)

显示无用字符，并将“αυτιά”转换为“ kkia”。 是编码问题还是我的regex ？ 对不起，但是我对regex心态regex陌生。

谢谢！

Answer 1

传递unicode对象而不是字符串：

>>> print re.sub('αυ[τ]', 'kk', 'αυτιά', flags=re.UNICODE)
kk▒ιά
>>> print re.sub(u'αυ[τ]', u'kk', u'αυτιά', flags=re.UNICODE)
kkιά