Python不同的正则表达式操作以不同的方式对待unicode char [重复]答案

【问题标题】：Python different regex operation treat unicode char differently [duplicate]Python不同的正则表达式操作以不同的方式对待unicode char [重复]
【发布时间】：2014-10-15 15:43:06
【问题描述】：

line = u'in belgi\xeb.'
re.findall('\w+', line, re.UNICODE)
#result: [u'in', u'belgi\xeb']
re.sub('\w+', 'x', line, re.UNICODE)
#result: u'x x\xeb.'

u'\xeb' 是u'ë'，如果你有兴趣的话。

所以 findall 似乎将 ë 视为 \w 而不是 sub。

【问题讨论】：

标签： python regex

【解决方案1】：

您需要为其指定flags：

>>> re.sub(r'\w+','x', line, flags=re.UNICODE)
u'x x.'

注意re.sub(pattern, repl, string, count=0, flags=0)函数的第四个参数是count!

【讨论】：

那些东西让我想念强类型。
一开始我很困惑，但后来我只是回顾了sub函数！
是的，我没想到要检查实际签名

【解决方案2】：

啊，我自己想通了。它签名的区别：

re.sub(pattern, repl, string, count=0, flags=0)
re.findall(pattern, string, flags=0)

所以第三个参数并不总是flags。解决方法很简单：

re.sub('\w+', 'x', line, flags=re.UNICODE)

【讨论】：