我需要从字符串“ب س م ا ل ل ه ا ل ر ح م ن ا ل ر ح يم”中删除一些Unicode符号我知道他们肯定存在。我试探着：
re.sub('([\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+)', '', 'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ')
字符串但不管用字符串保持不变。我做错了什么？
kcugc4gi1#
您使用的是python 2.x还是3.0？如果您使用的是2.x，请尝试使用'u'将正则表达式字符串设置为Unicode转义字符串。因为它是正则表达式，所以最好将正则表达式字符串设置为原始字符串，并使用“r”。另外，将整个模式放在括号中也是多余的。
re.sub(ur'[\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+', '', ...)
字符串http://docs.python.org/tutorial/introduction.html#unicode-strings编辑：使用re.UNICODE/re.U/（？）u）标志，但它只影响字符类别名，如\w或\b，此模式不使用这些别名中得任何一个，因此不会受到影响.
vdzxcuhz2#
使用unicode字符串。使用re.UNICODE标志。
>>> myre = re.compile(ur'[\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+', re.UNICODE) >>> myre <_sre.SRE_Pattern object at 0xb20b378> >>> mystr = u'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ' >>> result = myre.sub('', mystr) >>> len(mystr), len(result) (38, 22) >>> print result بسم الله الرحمن الرحيم
字符串阅读Joel Spolsky的文章The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)
2条答案
按热度按时间kcugc4gi1#
您使用的是python 2.x还是3.0？
如果您使用的是2.x，请尝试使用'u'将正则表达式字符串设置为Unicode转义字符串。因为它是正则表达式，所以最好将正则表达式字符串设置为原始字符串，并使用“r”。另外，将整个模式放在括号中也是多余的。
字符串
http://docs.python.org/tutorial/introduction.html#unicode-strings
编辑：
使用re.UNICODE/re.U/（？）u）标志，但它只影响字符类别名，如\w或\b，此模式不使用这些别名中得任何一个，因此不会受到影响.
vdzxcuhz2#
使用unicode字符串。使用re.UNICODE标志。
字符串
阅读Joel Spolsky的文章The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)