在正则表达式中使用 unicode char 代码答案

【问题标题】：Using unicode char code in regular expression在正则表达式中使用 unicode char 代码
【发布时间】：2015-09-15 16:38:55
【问题描述】：

为了简化我的任务，假设我想在某个网页中找到用希伯来语写的任何单词。所以我知道希伯来字符代码是U+05D0 到U+05EA。我想写这样的东西：

expr = "[\u05D0-\u05EA]+"
url = "https://en.wikipedia.org/wiki/Category:Countries"    

web_handle = urllib2.urlopen(url)
website_text = website_handle.read()    
matches = sre.findall(exp, website_text)
for item in matches:
    print item

我期望的输出是：

用语

但输出却是很多中文/日文字符。

【问题讨论】：

@stribizhev 它什么也找不到。也许我应该改用 HTML 代码？

标签： python regex unicode

【解决方案1】：

你可以在一个字符类中使用python中的标准unicode表示：

re.findall([\u05D0-\u05EA], website_text,re.U)

【讨论】：

它什么也找不到。也许我应该改用 HTML 代码？ &#1488 到 &#1514
@Sanich 不，它在 python 中不起作用，也许你需要解码你的文本，实际上它基于你的文本。
文本是HTML网页
@Sanich 您可以在您的问题中添加示例数据吗？与您的预期输出？

【解决方案2】：

表达式应该是：

expr = u"[\u05D0-\u05EA]+"

注意开头的“u”。

【讨论】：