python - 如何在 python 中拆分前面有数字的 utf-8 字符串？

Question

我得到了一个原始的 utf-8 字符串:

u'1\u670d-\u82f1\u96c4\u96c6\u7ed3'

我把它转换成字符串

s = str(u'1\u670d-\u82f1\u96c4\u96c6\u7ed3'.encode('utf8'))
print s
'1\xe6\x9c\x8d-\xe8\x8b\xb1\xe9\x9b\x84\xe9\x9b\x86\xe7\xbb\x93'    

我想将数字 1 与其余字符串分开。

然后我尝试了:

s.split('\\')
['1\xe6\x9c\x8d-\xe8\x8b\xb1\xe9\x9b\x84\xe9\x9b\x86\xe7\xbb\x93']

s.split('\\x')
['1\xe6\x9c\x8d-\xe8\x8b\xb1\xe9\x9b\x84\xe9\x9b\x86\xe7\xbb\x93']

不是我想的那样。

我终于想到了一个 Spark ，我做到了:

s.split('\xe6')
['1', '\x9c\x8d-\xe8\x8b\xb1\xe9\x9b\x84\xe9\x9b\x86\xe7\xbb\x93']

但问题是，我无法确保其他此类组合中的 utf-8 代码以 '\xe6' 开头，因此我需要一种方法来区分具有任意 utf-8 代码的数字，然后将它们分开.

这有可能吗？

Answer 1

如果总是一位数，就索引第一项:

digit = s[0]

否则，您可以使用正则表达式来扫描它:

number = re.match(r'^\d+', s).group(0)