蟒蛇正則表達式非ASCII字符

Question

我有這個正則表達式的大部分，但我有一個向前看的麻煩。我想將一個字符串分隔成一個郵編，然後是兩個字符串或兩個數字。這些數字可以是這樣的形式：

1 
1.5 
1.55 
11.55 

的中間位的文本可以是「沒有最低」和第三位只能是「免費」的文字。

E.g.

「YO1£10Free」==> YO1; 10;免

或

「yo1££8A 0.5」 ==> YO1; 8; 0.5

或

「yo1Nominimum£0.75」 ==> YO1;無最低限度; 0.75

我有這個第一位完成：

string = "YO1£ 10Free" 
patternPostCode = re.compile("[a-zA-Z]{1,2}[0-9][a-zA-Z0-9]?") 
postCode = re.findall(string,patternPostCode) 

字符串中的數字被發現：

patternCost = re.compile(r"(?<=\xa3)([0-9]| 
[0-9][0-9]| 
[0-9]?[0-9]?.[0-9]| 
[0-9]?[0-9]?.[0-9][0-9])") 

我很難加入「或文字等於「否最小「」到patternCost搜索。我也無法設法將預見包括在內。最後加上這個不起作用：

(?<=\xc2) 

任何幫助，將不勝感激。

Answer 1

我想出了這個關於Python 2.7：

# -*- coding: utf-8 -*- 
import re 

raw_string = "YO1£ 10.01Free" 
string = raw_string.decode('utf-8') 
patternPostCode = re.compile(u"^(\w{3}.*)\s+(\d+\.?\d*)(\w+)$",flags=re.UNICODE) 
postCode = patternPostCode.findall(string) 

print postCode 
print u'; '.join(postCode[0]) 

這將返回：

[(u'YO1\xc2\xa3', u'10.01', u'Free')] 
YO1£; 10.01; Free 

首先，我從SO複製的原始字符串似乎是一個字節串，我不得不對它進行解碼到unicode（見byte string vs. unicode string. Python）。我想你可能一般都會有unicode編碼錯誤 - Â符號是一個典型的例子。

然後，我用re.UNICODE標誌使你的正則表達式對unicode友好。這意味着您可以使用\ w來表示「字母數字」，\ d表示「數字」以unicode友好的方式。

http://docs.python.org/2/library/re.html#module-re

由於正則表達式是經常被誤認爲線路噪聲，還是讓我解壓爲您：

u"^(\w{3}.*)\s+(\d+\.?\d*)(\w+)$" 

• ^=行開始
• （\ W {3} *）=完全匹配三個字母數字字符（\ w {3}），隨後是任何事物（。*）和分組（這是整個事物的括號）。我一般不喜歡。*，但有必要抓住垃圾。如果你不需要它，將它移到括號外。
• \ s + - 至少有一個空格。我們會把它扔掉
• （\ d +。？\ d *） - 匹配一個或多個數字，後跟一個可選的句點，後跟可選的一個或多個數字。這將匹配10,10,10,10，10.0000等等。
• （\ w +） - 一個或多個字母數字字符
• $ - 線

的比賽結束這當然不是我曾經寫過的最漂亮的正則表達式，但我希望它足以讓你開始。