python - 正则表达式中的半空格

Question

我应该编写一个小程序来接收波斯语文本，并在某些地方将空格更改为半空格。半空间或 zero-width non-joiner在某些语言中用于避免 ligature标准化文本时。它的 unicode 字符应该是 '\u200c' 并且在一些文本编辑器中它可以通过 SHIFT+SPACE 显示在屏幕上:

import re
txt  = input('Please enter a Persian text: ')
original_pattern = r'\b(\w+)\s*(ها|هايي|هايم|هاي)\b'
new_pattern = r'\1 \2'
new_txt = re.sub (original_pattern, new_pattern, txt)
print (new_txt) 

在上面的代码中，new_pattern应该在\1和\2之间引入一个半空格，目前有一个空格他们之间。

问题是:我怎样才能在那里放一个半空格？我尝试了以下操作，但在这两种情况下都出现了语法错误:

new_pattern = ur'\1\u200c\2'   

new_pattern = r'\1\u200c\2'

顺便说一下，虽然在维基百科文章中 ZWNJ 的 unicode 字符被指定为 U+200c，但它在 python shell 中似乎并不是这样工作的，它实际上是将空间加倍:

>>> print ('He is a',u'\u200c','boy')
He is a ‌ boy

>>> print ("کتاب",u"\u200c","ها")
کتاب ‌ ها

>>> print ("کتاب ها")
کتاب ها
>>> 

Answer 1

Python 为 print 函数的参数添加了一个分隔符，您可以使用 sep argument 来控制它, 尝试

print ('He is a', '\u200c', 'boy', sep="")

对于一个模式，尝试

new_pattern = '\\1\u200c\\2'

或

new_pattern = '\\1\N{ZERO WIDTH NON-JOINER}\\2'

原因是当你添加一个 r 前缀时，转义符 \ 被忽略，所以 \u200c 部分模式被威胁为 5 个字符字符串，即模式等于 \\1\\u200c\\2，因此您的错误。