如何在Python中處理具有unicode的正則表達式？

Question

因此，我在Python中有這個字符串str = u'world-weather-online®_jkpahjicmehopmlkbenbkmckcedlcmhk' ，我只想使用正則表達式提取其中的world-weather-online®部分。 我要做的是先match = re.search(r'([a-zA-Z0-9\\-\\%\\+]+?)_[az]+', str) ，然后將結果轉換為字符串str2 = match.group(1) 。

但是，我最終'NoneType' object has no attribute 'group'錯誤'NoneType' object has no attribute 'group' 。 如果我僅使用字符串“ world-weather-online_jkpahjicmehop​​mlkbenbkmckcedlcmhk”嘗試，它就可以正常工作。 但是，使用特殊的unicode符號會帶來問題。 我嘗試使用match = re.search(ur'([a-zA-Z0-9\\-\\%\\+]+?)_[az]+', str)但仍然無濟於事。 關於如何解決這一問題的任何想法？ 謝謝！

Answer 1

使用Unicode正則表達式，並在模式中包含代碼點：

match = re.search(ur'([a-zA-Z0-9®%+-]+?)_[a-z]+', yourstr)

您可能要考慮除商標®代碼點之外還應該包括哪些其他代碼點。

演示：

>>> import re
>>> yourstr = u'world-weather-online®_jkpahjicmehopmlkbenbkmckcedlcmhk'
>>> print re.search(ur'([a-zA-Z0-9®%+-]+?)_[a-z]+', yourstr).group(1)
world-weather-online®

Answer 2

好吧，我認為您只在正則表達式中忘記了®：

>>> match = re.search(r'([a-zA-Z0-9\-\%\+®+]+?)_[a-z]+', str)
>>> match.group(1)
u'world-weather-online\xae'

但是，如果您的字符串包含更多的Unicode字符，則您的正則表達式可能會很長……因此，只要re.search(r'(.*)_[az]+', str)就能解決問題。

如果只想將wrt拆分為“ _”：

>>> str.split('_')[0]
u'world-weather-online\xae'