Python 3 正则表达式和 Unicode 表情

Question

使用 Python 3，像下面这样的简单脚本应该按预期运行，但似乎会因 unicode 表情字符串而窒息:

import re

phrase = "(╯°□°)╯ ︵ ┻━┻"
pattern = r'\b{0}\b'.format(phrase)

text = "The quick brown fox got tired of jumping over dogs and flipped a table: (╯°□°)╯ ︵ ┻━┻"

if re.search(pattern, text, re.IGNORECASE) != None:
    print("Matched!")

如果我用单词“fox”代替短语变量的内容，模式确实匹配。我一直对为什么它不喜欢这个特定的字符串感到困惑，而且我对手册和 Stack Overflow 的探索并没有阐明这个问题。据我所知，Python 3 应该可以毫无问题地处理这个问题。

我是不是漏掉了一些明显的东西？

编辑:此外，删除边界 (\b) 也不会影响匹配字符串的能力。

Answer 1

(╯°□°)╯ ︵ ┻━┻

这个表达式里面有括号，你需要转义它们。否则，它们将被解释为组。

In [24]: re.search(r'\(╯°□°\)╯ ︵ ┻━┻', text, re.IGNORECASE)
Out[24]: <_sre.SRE_Match object; span=(72, 85), match='(╯°□°)╯ ︵ ┻━┻'>

In [25]: re.findall(r'\(╯°□°\)╯ ︵ ┻━┻', text, re.IGNORECASE)
Out[25]: ['(╯°□°)╯ ︵ ┻━┻']

Escape the regex string正确并将您的代码更改为:

import re

phrase = "(╯°□°)╯ ︵ ┻━┻"
pattern = re.escape(phrase)

text = "The quick brown fox got tired of jumping over dogs and flipped a table: (╯°□°)╯ ︵ ┻━┻"

if re.search(pattern, text, re.IGNORECASE) != None:
    print("Matched!")

然后它将按预期工作:

$ python3 a.py
Matched!