regex - 如何在 Python 3.2 正则表达式中指定西里尔字符范围？

Question

曾几何时，我发现this question有趣的。

今天我决定玩弄那本书的文字。

我想在这个脚本中使用正则表达式。当我在西里尔文字上使用脚本时，它会清除所有西里尔字符，只留下标点符号和空格。

#!/usr/bin/env python3.2
# coding=UTF-8

import sys, re

for file in sys.argv[1:]:
    f = open(file)
    fs = f.read()
    regexnl = re.compile('[^\s\w.,?!:;-]')
    rstuff = regexnl.sub('', f)
    f.close()
    print(rstuff)

this answer 中已经做了一些非常相似的事情。 .

基本上，我只想能够指定一组不是字母、字母数字、标点符号或空格的字符。

Answer 1

这并不能完全回答您的问题，而是 regex module比内置的 re 有更好的 unicode 支持模块。例如regex支持\p{Cyrillic}属性及其否定\P{Cyrillic} (以及大量的 other unicode properties )。此外，它正确处理 unicode 不区分大小写。