python - 在正则表达式中使用阿拉伯字母的范围

Question

在 Python 中使用 Regex 时，很容易使用括号来表示字符范围 a-z，但这似乎不适用于其他语言，例如阿拉伯语:

import re
pattern = '[ي-ا]'
p = re.compile(pattern)

这会导致以

结尾的长错误报告

raise error("bad character range")
sre_constants.error: bad character range

如何解决这个问题？

Answer 1

由于阿拉伯字符是从右到左呈现的，所以下面的正确字符串，即“from ا to ي”是向后呈现的(如果要确认，请尝试选择字符串):

'[ا-ي]'

控制台输出:

>>> re.compile('[ا-ي]')
<_sre.SRE_Pattern object at 0x6001f0a80>

>>> re.compile('[ا-ي]', re.DEBUG)
in
  range (1575, 1610)
<_sre.SRE_Pattern object at 0x6001f0440>

因此，您的模式 '[ي-ا]' 实际上是“从 ي 到 ا”，这是一个无效范围，因为 ا 的代码点小于 ي 的代码点。

为了防止混淆，Ignacio Vazquez-Abrams 关于使用 Unicode 转义的建议是我上面提供的解决方案的一个很好的替代方案。