python - 如何在 python 正则表达式中实现\p{L}

Question

我试图匹配任何语言中包含一个单词的所有字符串。我的搜索让我找到了\p{...} ，它在 python 的 Re 模块中是不存在的。但是我发现https://pypi.python.org/pypi/regex .它应该与\p{...} 命令一起使用。虽然不是。

我尝试解析这些行:

7652167371  apéritif
78687   attaché
78687   époque
78678   kunngjøre
78678   ærbødig
7687    vår
12312   dfsdf
23123   322432
1321    23123
2312    привер
32211   оипвыола

与:

def Pattern_compile(pattern_array):
    regexes = [regex.compile(p) for p in pattern_array]
    return regexes

def main():
    for line in sys.stdin:
        for regexp in Pattern_compile(p_a):
            if regexp.search (line):
                print line.strip('\n')

if __name__ == '__main__':
    p_a = ['^\d+\t(\p{L}|\p{M})+$', ]
    main()

结果只有拉丁字符词:

12312   dfsdf

Answer 1

您应该传递 unicode。 (正则表达式和字符串)

import sys

import regex


def main(patterns):
    patterns = [regex.compile(p) for p in patterns]
    for line in sys.stdin:
        line = line.decode('utf8')
        for regexp in patterns:
            if regexp.search (line):
                print line.strip('\n')

if __name__ == '__main__':
    main([ur'^\d+\t(\p{L}|\p{M})+$', ])