Python - 正则表达式西里尔文与拉丁文混合

Question

我正在尝试从混合输入中提取西里尔字母，但无法按照我想要的方式拆分。不涉及数字或特殊字符。

input = "я я я я я w w w w w w\nф ф ф ф ф v v v v v v"
output = re.split("![а-я]\s*", input)
print(output)

我想去掉 w 和 v 字母，只打印俄语字母。使用我的代码，输入和输出是相同的，只是它们现在在列表中。

Answer 1

如果您需要从字符串中获取所有俄语字母，您需要使用 (?i)[А-ЯЁ] 正则表达式(不要忘记 Ё因为 [А-Я] 范围不包括它)并将它与 re.findall 一起使用。

在 Python 3 中测试:

>>> import re
>>> input = "я я я я я w w w w w w\nф ф ф ф ф v v v v v v"
>>> output = re.findall(r'(?i)[А-ЯЁ]', input)
>>> print(output)
['я', 'я', 'я', 'я', 'я', 'ф', 'ф', 'ф', 'ф', 'ф']

要同时提取乌克兰语字母，您需要将 ЇІЄя 添加到字符类中:

 output = re.findall(r"(?i)[А-ЯЁЇІЄҐ]", input)

撇号也被认为是乌克兰字母，不知道是否要将其包含在模式中。