Python 2.7 中对非 ascii 符号的意外 RegExp 工作

Question

我使用正则表达式来查找句子中的单词。但是出现了下面代码中描述的问题。 在http://www.regexr.com/ 上一切正常 但是 python 在非 ascii 变体上不匹配

import re
#ascii
pat = u"(tes?ts?)"
ttt = re.finditer(pat, u"test and tets")
print ttt.next().start()
print ttt.next().start()
# this works fine

#russian
pat = u"(молоде?цы?)"
ttt = re.finditer(pat, u"молодец и молодцы")
print ttt.next().start()
print ttt.next().start()
# this does not match anything - throws iterator error

感谢您的帮助！谢谢 UPD：输出+回溯

0
9
Traceback (most recent call last):
  File "<stdin>", line 10, in <module>
StopIteration

UPD2：将模式更改为此

pat = u"(молод[е]?ц[ы]?)"
ttt = re.finditer(pat, u"молодец и молодцы")
print ttt.next().start()
print ttt.next().start()

导致匹配第一个单词，但没有匹配第二个单词

18
Traceback (most recent call last):
  File "<stdin>", line 11, in <module>
StopIteration

Answer 1

您确定使用正确的编码保存文件吗？当我在文件顶部声明编码时，Ubuntu 上的 Python 2.7.5+ 为我工作文件：

# -*- coding: utf-8 -*-

import re
#ascii
pat = u"(tes?ts?)"
ttt = re.finditer(pat, u"test and tets")
print(ttt.next().start())
print(ttt.next().start())
# 0, 9

#russian
pat = u"(молоде?цы?)"
ttt = re.finditer(pat, u"молодец и молодцы")
print(ttt.next().start())
print(ttt.next().start())
# 0, 10