python - 正则表达式 python 与 unicode(日语)字符问题

Question

我想删除下面的字符串的一部分(以粗体显示)，这存储在字符串 oldString

[DMSM-8433] 加护依依 Kago Ai – 加护依依 vs. FRIDAY

我在 python 中使用以下正则表达式

p=re.compile(ur"( [\W]+) (?=[A-Za-z ]+–)", re.UNICODE)
newString=p.sub("", oldString)

当我输出 newString 时，没有任何内容被删除

Answer 1

您可以使用以下代码片段来解决问题:

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
str = u'[DMSM-8433] 加護亜依 Kago Ai – 加護亜依 vs. FRIDAY'
regex = u'[\u3000-\u303f\u3040-\u309f\u30a0-\u30ff\uff00-\uff9f\u4e00-\u9faf\u3400-\u4dbf]+ (?=[A-Za-z ]+–)'
p = re.compile(regex, re.U)
match = p.sub("", str)
print match.encode("UTF-8")

参见 IDEONE demo

在 # -*- coding: utf-8 -*- 声明旁边，我添加了 @nhahtdh's character class to detect Japanese symbols 。

请注意，匹配 需要“手动”编码为 UTF-8 字符串，因为需要“提醒”Python 2 我们一直在使用 Unicode。