Python字母重复替换Unicode字符串

Question

我需要替换字符串中的两个输入错误的字母，例如“bbig”。但它仅适用于拉丁字母，不适用于西里尔字母。我在 Centos Linux 下使用 Python 2.6.6 版本。

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
def reg(item):
  item = re.sub(r'([A-ZА-ЯЁЄЇІ])\1', r'\1', item, re.U)
  #this work only with latin too
  #item = re.sub(r'(.)\1', r'\1', item, re.U)
  return item

print reg('ББООЛЛЬЬШШООЙЙ')
print reg('BBIIGG')

上面的代码返回：

• ББООЛЛЬЬШШООЙЙ
• 大

我做错了什么？感谢您的帮助。

Answer 1

您正在使用字节字符串。这使您使用的所有内容都匹配并替换字节。如果您想匹配和替换字母，那将无法正常工作。

改用 unicode 字符串：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
def reg(item):
  item = re.sub(ur'([A-ZА-ЯЁЄЇІ])\1', r'\1', item, re.U)
  #this work only with latin too
  #item = re.sub(r'(.)\1', r'\1', item, re.U)
  return item

print reg(u'ББООЛЛЬЬШШООЙЙ')
print reg(u'BBIIGG')

请注意，这对预先组合的字符很有效，但对于使用组合标记组合的字符则效果不佳。

如果用户试图输入这句话，也将是灾难性的（提示：检查它的第二个单词）。