如何指定一系列unicode字符

Question

如何从' ' （空格）到\×FF指定一系列unicode字符？

我有一个像r'[\ -\×FF]'这样的正则表达式，它不会编译说它是一个糟糕的范围。 我是Unicode正则表达式的新手，所以我之前没有遇到过这个问题。

有没有办法使这个编译或正则表达式我忘记或尚未学习？

Answer 1

您的unicode范围的语法将无法达到预期效果。

1. 原始的r''字符串可以防止\\u\u003c/code>逃脱被解析，并且正则表达式引擎不会这样做。 此集合中唯一的范围是[0-\\] ：

    >>> re.compile(r'[\ -\×ff]', re.DEBUG) in literal 117 literal 48 literal 48 literal 50 range (48, 117) literal 48 literal 48 literal 100 literal 55 literal 102 literal 102 

2. 使它成为一个Unicode文字导致\\u\u003c/code>解析，同时留下其他反斜杠 （虽然这不是一个问题），但领先的零正在弄乱它。 语法是\\uxxxx或\\Uxxxxxxxx ，因此它被解析为“ \× ， f ， f ”。

    >>> re.compile(ur'[\ -\×ff]', re.DEBUG) in range (32, 215) literal 102 literal 102 

3. 删除前导零或切换到\\U0000d7ff将修复它：

    >>> re.compile(ur'[\ -\퟿]', re.DEBUG) in range (32, 55295) 

Answer 2

如果您使用的是Python 2.x，则应确保指定了一个unicode字符串（使用u''或内置的“unicode”）：

>>> r = re.compile(u'[\u0020-\uD7FF]')
>>> r.search(u'foo \uD7F0 bar')
<_sre.SRE_Match object at 0xb7084950>
r.search(u' ')
<_sre.SRE_Match object at 0xb7084b48>

使用原始字符串（就像你一样，用r''）给你（“ascii”字符串）由“仰泳”+字母“u”加上数字0加上...