在Python中轉義正則表達式unicode字符串

Question

我有一個用戶定義的字符串。 我想用它在小改進的正則表達式：由三個撇號而不是一個。 例如，

APOSTROPHES = re.escape('\'\u2019\u02bc') 
word = re.escape("п'ять") 
word = ''.join([s if s not in APOSTROPHES else '[%s]' % APOSTROPHES for s in word]) 

它的工作原理很好的拉丁，但對Unicode的列表理解給出了以下字符串： "[\\'\\\\u2019\\\\u02bc]\xd0[\\'\\\\u2019\\\\u02bc]\xbf[\\'\\\\u2019\\\\u02bc][\\'\\\\u2019\\\\u02bc][\\'\\\\u2019\\\\u02bc]\xd1[\\'\\\\u2019\\\\u02bc]\x8f[\\'\\\\u2019\\\\u02bc]\xd1[\\'\\\\u2019\\\\u02bc]\x82[\\'\\\\u2019\\\\u02bc]\xd1[\\'\\\\u2019\\\\u02bc]\x8c"

看起來它發現兩個字符串中的反斜槓，然後替換撇號

而且，print(list(w for w in APOSTROPHES))給出['\\', "'", '\\', '\\', 'u', '2', '0', '1', '9', '\\', '\\', 'u', '0', '2', 'b', 'c']。

我該如何避免它？我想"\п[\'\u2019\u02bc]\я\т\ь"

Answer 1

我的理解是：您想創建一個正則表達式，可以用任何撇號匹配一個給定的詞：

匹配任何撇號可以在組中定義的正則表達式：

APOSTROPHES_REGEX = r'[\'\u2019\u02bc]' 

例如，你有這個（烏克蘭？）字包含一個單引號：

word = "п'ять" 

編輯：如果你的字包含另一種撇號，就可以恢復正常，就像這樣：

word = re.sub(APOSTROPHES_REGEX , r"\'", word, flags=re.UNICODE) 

要創建一個正則表達式，你逃離這個字符串（因爲在某些情況下，它可以包含特殊字符，如標點符號， 我認爲）。當轉義時，單引號「'」被一個轉義單引號替換，如下所示：r「\'」。

你可以通過你的撇號正則表達式替換該R「\'」：

import re 
word_regex = re.escape(word) 
word_regex = word_regex.replace(r'\'', APOSTROPHES_REGEX) 

新的正則表達式可以被用來同一個詞有任何撇號匹配：

assert re.match(word_regex, "п'ять") # ' 
assert re.match(word_regex, "п’ять") # \u2019 
assert re.match(word_regex, "пʼять") # \u02bc 

注意：不要忘記使用re.UNICODE標誌，它將幫助您處理像r「\ w」這樣的RegEx字符類。