蟒蛇在字符串與正則表達式

Question

我試圖做到這一點找到替換非拉丁字所有！。

是否有可能找到用非正則表達式在非拉丁文本中替換非拉丁文字（整個單詞）？ 如何？

編輯：

如果你想測試嘗試這些字符串：

>>> u_word = u'αβ' 
>>> u_text = u'αβγ αβ αβγδ δαβ' 
>>> new_word = u'χχ' 
>>> val = re.sub(r'\b' + u_word +r'\b', unicode(new_word), u_text) 
>>> val 
u'\u03b1\u03b2\u03b3 \u03b1\u03b2 \u03b1\u03b2\u03b3\u03b4 \u03b4\u03b1\u03b2' 
>>> u_text 
u'\u03b1\u03b2\u03b3 \u03b1\u03b2 \u03b1\u03b2\u03b3\u03b4 \u03b4\u03b1\u03b2' 
>>> 

Answer 1

您需要的re.UNICODE標誌傳遞給sub，像這樣：

val = re.sub(r'\b' + u_word + r'\b', unicode(new_word), u_text, flags=re.UNICODE) 

\b是一個字的邊界。如果沒有re.UNICODE標誌，則「字」僅包含集合[a-zA-Z0-9_]中的字符，因此αβ不被視爲「單詞」。欲瞭解更多信息，請參閱the re documentation（特別是\b,\w和re.UNICODE）。

FYI：

• 如果new_word已經是一個unicode字符串（如你的例子），unicode(new_word)是多餘的，it returns new_word unmodified。
• 在Python 3.x中，unicode不再是特例。你的代碼可以像在Python 3.x中一樣工作（減去unicode()，因爲它不再需要而被刪除）。