- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
有趣的是,我在搜索文本之前清理了文本,清理过程的一部分是删除所有这些符号。因此,我使用的正则表达式工作得很好 :) 无论如何,谢谢大家的帮助!
我正在尝试使用 python 和正则表达式检测 UTF8 文本文档中的版权符号 ©。我遇到的问题是我不知道如何在正则表达式中表示版权符号。
我还将寻找 TM 和 (R),因此也将非常感激,尽管我怀疑一旦我拥有 (C),确定其他人会很简单。
我一直在 google 上勇敢地寻找答案,但还没有找到任何有用的东西。
如果一些明亮的 Spark 可以告诉我,将不胜感激!
谢谢!
最佳答案
您可以将文本转换为 unicode 并使用 unicode 正则表达式模式。
这些是您提到的三个符号:
In [213]: print(u'\N{COPYRIGHT SIGN} \N{TRADE MARK SIGN} \N{REGISTERED SIGN}')
© ™ ®
这里是一些utf-8编码的字符串:
In [223]: content = u'\N{TRADE MARK SIGN}'.encode('utf-8')
这里我们将其转换为unicode:
In [224]: text = content.decode('utf-8')
这是对以下三个符号中任何一个的正则表达式搜索:
In [225]: re.search(u'(\N{COPYRIGHT SIGN}|\N{TRADE MARK SIGN}|\N{REGISTERED SIGN})', text)
Out[225]: <_sre.SRE_Match at 0x9a1ebe0>
有webpages which catalog每个 unicode 字符。但是指定的unicode码位有几十万个,手动浏览查找字符是行不通的。
所以,我编写了下面的程序来按名称搜索 unicode。
import sys
import unicodedata as ud
import re
import argparse
import functools
__usage__ = '''\
unicode_lookup.py -u '\d' # Shows all unicode symbols that regex match '\d'
unicode_lookup.py number # Shows all unicode symbols whose name regex matches 'number'
'''
def lookup(name_pat=None, from_num=0, to_num=0x10ffff, unicode_pattern=None,
category_pattern=None, ignore_unnamed=True,
combining=False):
fmt = u"{symbol} {num} {cat} {bi} {w} {comb} {mir} '{name}'"
print(fmt.format(
symbol='Symbol', num='Num', name='NAME',
cat='Category', bi='Bidirectional', w='Width',
comb='Combining', mir='Mirrored'))
for num in range(from_num, to_num + 1):
s = unichr(num)
if unicode_pattern and not unicode_pattern.match(s):
continue
category = ud.category(s)
if category_pattern and not category_pattern.match(category):
continue
try:
name = ud.name(s)
if name_pat and not name_pat.search(name):
continue
except ValueError:
if ignore_unnamed:
continue
else:
name = '?'
bidirectional = ud.bidirectional(s)
combining_class = ud.combining(s)
if combining and not combining_class:
continue
mirrored = ud.mirrored(s)
width = ud.east_asian_width(s)
data = dict(num=num, symbol=s, name=name,
cat=category, bi=bidirectional, w=width,
comb=combining_class, mir=mirrored)
print(fmt.format(**data).encode('utf-8'))
def parse_options():
parser = argparse.ArgumentParser(
epilog=__usage__,
formatter_class=argparse.RawDescriptionHelpFormatter)
parser.add_argument('name_pat',
type=functools.partial(re.compile, flags=re.IGNORECASE))
parser.add_argument('-f', '--from_num', default=0, type=int)
parser.add_argument('-t', '--to_num', default=0x10ffff, type=int)
parser.add_argument('-u', '--unicode_pattern',
type=functools.partial(re.compile, flags=re.UNICODE))
parser.add_argument('--category_pattern', type=re.compile)
parser.add_argument('--show_unnamed', action='store_true')
parser.add_argument('--combining', action='store_true')
return parser.parse_args()
if __name__ == '__main__':
opt = parse_options()
lookup(name_pat=opt.name_pat, from_num=opt.from_num, to_num=opt.to_num,
unicode_pattern=opt.unicode_pattern,
category_pattern=opt.category_pattern,
ignore_unnamed=not opt.show_unnamed,
combining=opt.combining)
运行
% unicode_lookup.py "copyright|trade|registered"
产量
Symbol Num Category Bidirectional Width Combining Mirrored 'NAME'
© 169 So ON N 0 0 'COPYRIGHT SIGN'
® 174 So ON A 0 0 'REGISTERED SIGN'
℗ 8471 So ON N 0 0 'SOUND RECORDING COPYRIGHT'
™ 8482 So ON A 0 0 'TRADE MARK SIGN'
关于Python 正则表达式和版权符号,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15125465/
我正在用 yacc/bison 编写一个简单的计算器。 表达式的语法看起来有点像这样: expr : NUM | expr '+' expr { $$ = $1 + $3; } | expr '-'
我开始学习 lambda 表达式,并在以下情况下遇到了以下语句: interface MyNumber { double getValue(); } MyNumber number; nu
这两个 Linq 查询有什么区别: var result = ResultLists().Where( c=> c.code == "abc").FirstOrDefault(); // vs. va
如果我们查看 draft C++ standard 5.1.2 Lambda 表达式 段 2 说(强调我的 future ): The evaluation of a lambda-expressio
我使用的是 Mule 4.2.2 运行时、studio 7.5.1 和 Oracle JDK 1.8.0_251。 我在 java 代码中使用 Lambda 表达式,该表达式由 java Invoke
我是 XPath 的新手。我有网页的html源 http://london.craigslist.co.uk/com/1233708939.html 现在我想从上面的页面中提取以下数据 完整日期 电子
已关闭。这个问题是 off-topic 。目前不接受答案。 想要改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 已关闭10 年前。 Improve th
我将如何编写一个 Cron 表达式以在每天上午 8 点和下午 3:30 触发?我了解如何创建每天触发一次的表达式,而不是在多个设定时间触发。提前致谢 最佳答案 你应该只使用两行。 0 8 * * *
这个问题已经有答案了: What do 3 dots next to a parameter type mean in Java? (9 个回答) varargs and the '...' argu
我是 python 新手,在阅读 BeautifulSoup 教程时,我不明白这个表达式“[x for x in titles if x.findChildren()][:-1]”我不明白?你能解释一
(?:) 这是一个有效的 ruby 正则表达式,谁能告诉我它是什么意思? 谢谢 最佳答案 正如其他人所说,它被用作正则表达式的非捕获语法,但是,它也是正则表达式之外的有效 ruby 语法。 在
这个问题在这里已经有了答案: Why does ++[[]][+[]]+[+[]] return the string "10"? (10 个答案) 关闭 8 年前。 谁能帮我处理这个 JavaSc
这个问题在这里已经有了答案: What is the "-->" operator in C++? (29 个答案) Java: Prefix/postfix of increment/decrem
这个问题在这里已经有了答案: List comprehension vs. lambda + filter (16 个答案) 关闭 10 个月前。 我不确定我是否需要 lambda 或其他东西。但是,
C 中的 assert() 函数工作原理对我来说就像一片黑暗的森林。根据这里的答案https://stackoverflow.com/a/1571360 ,您可以使用以下构造将自定义消息输出到您的断言
在this页,John Barnes 写道: If the conditional expression is the argument of a type conversion then effec
我必须创建一个调度程序,它必须每周从第一天上午 9 点到第二天晚上 11 点 59 分运行 2 天(星期四和星期五)。为此,我需要提供一个 cron 表达式。 0-0 0-0 9-23 ? * THU
我正在尝试编写一个 Linq 表达式来检查派生类中的属性,但该列表由来自基类的成员组成。下面的示例代码。以“var list”开头的 Process 方法的第二行无法编译,但我不确定应该使用什么语法来
此 sed 表达式将输入字符串转换为两行输出字符串。两条输出行中的每一行都由输入的子串组成。第一行需要转换成大写: s:random_stuff\(choice1\|choice2\){\([^}]*
我正在使用 Quartz.Net 在我的应用程序中安排我的工作。我只是想知道是否可以为以下场景构建 CRON 表达式: Every second between 2:15AM and 5:20AM 最
我是一名优秀的程序员,十分优秀!