考虑一下。
# -*- coding: utf-8 -*-
data = "cdbsb \xe2\x80\xa6 abc"
print data
#prints cdbsb … abc
^
print re.findall(ur"[\u2026]", data )
为什么re 找不到这个 unicode 字符？我已经查过了
\xe2\x80\xa6 === … === U+2026
【问题讨论】：
标签： python regex python-2.7 python-unicode
我猜这个问题是因为data 是一个字节串。您可能将控制台编码为 utf-8 ，因此在打印字符串时，控制台会将字符串转换为 utf-8 然后显示它（您可以在 sys.stdout.encoding 中查看此内容）。因此你得到了这个角色 - … 。
但很可能re 不会为您执行此解码。
如果您将data 转换为utf-8 编码，则在使用re.findall 时将获得所需的结果。示例 -
>>> data = "cdbsb \xe2\x80\xa6 abc"
>>> print re.findall(ur"[\u2026]", data.decode('utf-8') )
[u'\u2026']
【讨论】：
print 自动执行此操作？而且它又不打印…
sys.stdout.encoding .
if u"\u2026".encode('utf8') in data: print True 对我有用 ;)
data 是 str 类型，包含十六进制值的 ASCII 字符。但是搜索词是 unicode 类型的。打印函数将默认值转换为sys.stdout.encoding。当我尝试按原样打印data 时，输出与data.decode('utf-8') 不同。我正在使用 Python 2.7
data = "cdbsb \xe2\x80\xa6 abc"
search = ur"[\u2026]"
print sys.stdout.encoding
## windows-1254
print data, type(data)
## cdbsb … abc <type 'str'>
print data.decode(sys.stdout.encoding)
## cdbsb … abc
print data.decode('utf-8')
## cdbsb … abc
print search, type(search)
## […] <type 'unicode'>
print re.findall(search, data.decode('utf-8'))
## [u'\u2026']
【讨论】：
如果你通过nhahtdh提供的链接
Solving Unicode Problems in Python 2.7
您可以看到原始字符串在 bytes 中，我们正在搜索 unicode。所以它不应该起作用。
encode(): 让你从 Unicode → bytes
decode()：从字节中获取您 → Unicode
根据这些，我们可以通过两种方式解决它。
# -*- coding: utf-8 -*-
data = "cdbsb \xe2\x80\xa6 abc".decode("utf-8") #convert to unicode
print data
print re.findall(ur"[\u2026]", data )
print re.findall(ur"[\u2026]", data )[0].encode("utf-8") #compare with unicode byte string and then reconvert to bytes for print
data1 = "cdbsb \xe2\x80\xa6 abc" #let it remain bytes
print data1
print re.findall(r"\xe2\x80\xa6", data1 )[0] #search for bytes
【讨论】：
unicode 类型。在正则表达式源代码中使用文字 Unicode 字符时，使用 str 可能会隐藏错误。
另一种解决方案：
>>> data = "cdbsb \xe2\x80\xa6 abc"
>>> print data
cdbsb … abc
>>> if u"\u2026".encode('utf8') in data: print True
...
True
>>> if u"\u2026" in data.decode('utf8'): print True
...
True
【讨论】：