正則表達式用CP1252編碼的文件

Question

我有一個CP1252編碼的文本文件，我使用python正則表達式匹配模式。例如，下面的文本可以通過正則表達式字符串'1\s*(\w*)\s*(<.*$)'

1 kAMpleksa  <fs af='kAMpleksa,unk,,,,,,'> 

但是，當文本包含特殊字符，如重音的「U」在下面的文本，正則表達式匹配失敗匹配。

1 aBiyukÙwa  <fs af='aBiyuk,unk,,,,,,'> 

我讀使用Python的codecs模塊使用以下語法從文件中的文本：

codecs.open('/home/abcl/TokenOutput.wx', 'r', 'cp1252') 

任何想法，怎麼做呢？

Answer 1

這對我的兩臺機器都有效，但我正在複製並粘貼文本，因此可能會出現一些無形的翻譯。你有沒有嘗試設置unicode標誌？作爲

'(?u)1\s*(\w*)\s*(<.*$)' 

或

re.match(r, t, flags=re.U).group() 

Answer 2

您忘記了在標誌中指定re.U。