Python 上的正则表达式在使用 char 类时打印垃圾答案

【问题标题】：Regex on Python prints Garbage when use char classPython 上的正则表达式在使用 char 类时打印垃圾
【发布时间】：2015-03-09 01:56:23
【问题描述】：

Python 2.7

我正在处理一个 utf-8 编码文件（希腊语），似乎 regex 有一些问题。

Regex 在我不使用 char 类时似乎工作正常。当我这样做时：

        text = re.sub('αυ','kk',text,flags=re.UNICODE)

一切正常，例如“αυτιά”将转换为“kkτιά”。

但是，当我想使用 char 类时：

        text = re.sub('αυ[τ]','kk',text,flags=re.UNICODE)

显示垃圾字符并将“αυτιά”转换为“kk�ia”。是编码问题还是我的 regex 有问题？对不起，我对regex 的心态很陌生。

谢谢！

【问题讨论】：

【解决方案1】：

传递 unicode 对象而不是字符串：

>>> print re.sub('αυ[τ]', 'kk', 'αυτιά', flags=re.UNICODE)
kk▒ιά
>>> print re.sub(u'αυ[τ]', u'kk', u'αυτιά', flags=re.UNICODE)
kkιά

【讨论】：