正则表达式中“（？u）”的作用是什么？

Question

我研究了如何在scikit-learn中实现标记化并找到了这个正则表达式（ 源代码 ）：

token_pattern = r"(?u)\b\w\w+\b"

正则表达式非常简单，但我以前从未见过(?u)部分。 有人可以解释一下这部分是做什么的吗？

Answer 1

它打开此表达式的re.U （ re.UNICODE ）标志 。

从模块文档 ：

(?iLmsux)

（来自集合'i' ， 'L' ， 'm' ， 's' ， 'u' ， 'x'一个或多个字母。）该组匹配空字符串; 字母设置相应的标志： re.I （忽略大小写）， re.L （依赖于语言环境）， re.M （多行）， re.S （点匹配所有）， re.U （取决于Unicode），以及re.X （详细），用于整个正则表达式。 （标志在模块内容中描述。）如果您希望将标志包含在正则表达式的一部分中，而不是将标志参数传递给re.compile()函数，这将非常有用。