Python regex '\s' 与 unicode BOM (U+FEFF) 不匹配

【问题标题】：Python regex '\s' does not match unicode BOM (U+FEFF)Python regex '\s' 与 unicode BOM (U+FEFF) 不匹配
【发布时间】：2015-12-07 00:36:59
【问题描述】：

Python re 模块的 documentation 表示，当设置 re.UNICODE 标志时，'\s' 将匹配：

在 Unicode 字符属性数据库中归类为空格的任何内容。

据我所知，BOM (U+FEFF) 是classified as a space。

但是：

re.match(u'\s', u'\ufeff', re.UNICODE)

评估为None。

这是 Python 中的错误还是我遗漏了什么？

【问题讨论】：

标签： python regex unicode

【解决方案1】：

根据 unicode 数据库，U+FEFF 不是空白字符。

维基百科仅将其列为“相关字符”。这些类似于空白字符，但在数据库中没有WSpace 属性。

\s 不匹配这些字符。

【讨论】：

len([c for c in map(chr, range(sys.maxunicode + 1)) if unicodedata.category(c) == 'Cf' and c.isspace()]) 为零。