Python正则表达式匹配非ASCII名称

Question

我正在尝试使用re模块验证名称字段。

\w无法匹配非ASCII字符，例如à。

在许多其他正则表达式引擎中，解决方案似乎是\p{L}，但是似乎Python不支持这一点。有什么合适的替代方法吗？

更新：

与此主题相关的其他问题不同，因为我正在寻找Unicode替代\w，而不是使用默认的re.UNICODE标志获得的替代（因为此标志还使\w匹配数字和下划线）。

- GJ.

---

你是否正在使用LOCALE和/或UNICODE标志？ - BrenBarn

是的，每个 re.<function> 都有一个 flags 参数。 - dmg

请参见https://dev59.com/vUXRa4cB1Zd3GeqPtJyd，了解类似（重复？）的问题。 - Michael Scott Asato Cuthbert

@BrenBarn 我已经尝试了 re.UNICODE 但它不适用，因为它也匹配数字和下划线。 - GJ.

@GJ：针对您的更新：所指出的重复项是“我还需要一个不匹配数字的正则表达式。”那么下划线处理是唯一的区别吗？ - quetzalcoatl

\w 匹配数字和下划线，无论是否设置了UNICODE标志。 - Peter Graham

Answer 1

我认为您需要为字符类启用Unicode支持，使用UNICODE修饰符。

regexRef = re.compile("\w", re.UNICODE)

看看这是否有助于匹配那些非ASCII字符。

- Jim Black

---

re.UNICODE并不能解决这个问题，因为它也会匹配数字和下划线。 - GJ.

Answer 2

[^\d\s_]是否符合您的要求？

- Peter Graham

Answer 3

[^\W0-9_] 在使用 re.UNICODE 时对我有效。

- GJ.

---

@quetzalcoatl 谢谢你提供的参考，这个东西在其中一个部分表单里隐藏着。 - GJ.

Answer 4

将 Unicode 字符串传递给 re 模块并启用 re.UNICODE 标志，例如：

# -*- coding: utf-8 -*-
import re

print(re.findall(ur"\w+", ur"\w does match à.", flags=re.UNICODE))

- jfs