使用 Python 的正則表達式中的重音字符

Question

這是我的代碼

# -*- coding: utf-8 -*-
import json
import re

with open("/Users/paul/Desktop/file.json") as json_file:
    file = json.load(json_file)
print file["desc"]

key="capacità"
result = re.findall("((?:[\S,]+\s+){0,3})"+key+"\s+((?:[\S,]+\s*){0,3})", file["desc"], re.IGNORECASE)
print result

這是文件的內容

{
    "desc": "Frigocongelatore, capacit\u00e0 di 215 litri, h 122 cm, classe A+"
}

我的結果是 []

但我想要的是 result = "capacità"

Answer 1

您需要將字符串視為 Unicode 字符串，如下所示：

str = u"Frigocongelatore, capacit\u00e0 di 215 litri, h 122 cm, classe A+"

正如你所看到的，如果你print str.encode('utf-8')你會得到：

Frigocongelatore, capacità di 215 litri, h 122 cm, classe A+

同樣，您可以分別使用u或r使正則表達式字符串成為 unicode 或原始字符串。

Answer 2

您可以使用此功能來顯示不同的編碼。

編輯器上的默認編碼應該是 UTF-8。 使用sys.getdefaultencoding()檢查您的設置。

def find_context(word_, n_before, n_after, string_):
    # finds the word and n words before and after it
    import re
    b= '\w+\W+'  * n_before
    a=  '\W+\w+' * n_after
    pattern = '(' + b + word_ + a + ')'
    return re.search(pattern, string_).groups(1)[0]

s = "Frigocongelatore,  capacità di 215 litri, h 122 cm, classe A+"

# find 0 words before and 3 after the word capacità
print(find_context('capacità',0,3,s) )

capacità di 215 litri

print(find_context(' capacit\u00e0',0,3,s) )

 capacità di 215 litri