匹配任意 Unicode 字母？

问题描述：

在 .net 中，您可以使用p{L}来匹配任何字母，如何在 Python 中执行相同操作？也就是说，我想匹配任何大写、小写和重音字母。

解决方案 1：

Python 的re模块尚不支持 Unicode 属性。但您可以使用该re.UNICODE标志编译正则表达式，然后字符类简写w也将匹配 Unicode 字母。

由于w也会​​匹配数字，因此您需要从字符类中减去这些数字以及下划线：

[^Wd_]

将匹配任何 Unicode 字母。

>>> import re
>>> r = re.compile(r'[^Wd_]', re.U)
>>> r.match('x')
<_sre.SRE_Match object at 0x0000000001DBCF38>
>>> r.match(u'é')
<_sre.SRE_Match object at 0x0000000002253030>

解决方案 2：

PyPi regex 模块支持p{L}Unicode 属性类，还有更多，请参阅文档中的“ Unicode 代码点属性，包括脚本和块”部分以及http://www.unicode.org/Public/UNIDATA/PropList.txt上的完整列表。使用regex模块很方便，因为您可以在任何 Python 版本中获得一致的结果（请注意，Unicode 标准在不断发展，支持的字母数量也在增加）。

pip install regex使用（或）安装库pip3 install regex并使用

p{L}        # To match any Unicode letter
p{Lu}       # To match any uppercase Unicode letter
p{Ll}       # To match any lowercase Unicode letter
p{L}p{M}*  # To match any Unicode letter and any amount of diacritics after it

请参阅下面的一些用法示例：

import regex
text = r'Abc-++-Абв. It’s “Łąć”!'
# Removing letters:
print( regex.sub(r'p{L}+', '', text) ) # => -++-. ’ “”!
# Extracting letter chunks:
print( regex.findall(r'p{L}+', text) ) # => ['Abc', 'Абв', 'It', 's', 'Łąć']
# Removing all but letters:
print( regex.sub(r'P{L}+', '', text) ) # => AbcАбвItsŁąć
# Removing all letters but ASCII letters:
print( regex.sub(r'[^P{L}a-zA-Z]+', '', text) ) # => Abc-++-. It’s “”!

在线查看Python 演示