Python 3.4 版本不支持 'ur' 前缀。

Question

我有一些使用较旧版本的Python（2.x）编写的代码，现在在Python 3.4中运行时遇到了困难。

_eng_word = ur"[a-zA-Z][a-zA-Z0-9'.]*"

（它是分词器的一部分）

- user_s

---

你想让这个在Python 2和3上都能工作吗？还是只在Python 3上工作？ - Martijn Pieters

谢谢您的快速回复！我只需要它在Python 3上运行即可。 - user_s

Answer 1

http://bugs.python.org/issue15096

标题：停止支持 "ur" 字符串前缀 在 Python 3 中，当 PEP 414 恢复了对明确的 Unicode 文字的支持时，“ur”字符串前缀被视为“r”前缀的同义词。

因此，请使用 'r' 而不是 'ur'

- KevinDTimm

---

然而，在Python 2.7中它不是一个同义词。 - Martijn Pieters

这与OP无关，他们正在尝试使其在3.4中工作。我的理解是，如果他们想要3.4和2.7，他们会明确说明的。 - KevinDTimm

它被删除是因为无法复制Python 2 ur'...' 原始字符串字面值的行为。 - Martijn Pieters

当然，绊倒我们的是隐含的假设。:-P - Martijn Pieters

PY2和PY3在源文件中具有某些字节/字符/字形的基本含义上存在根本不同的解释，这是另一个需要注意的地方。PY3更加严谨和少有歧义，但并不总是有简洁明了的方法可以使源文件在两者中都能运行相同。兼容性库（如six）似乎并没有解决这种情况。 - Jonathan Eunice

Answer 2

事实上，Python 3.4仅支持u“...”（为了支持需要在Python 2和3上运行的代码）和r“...”，但不支持两者兼备。这是因为Python 2中ur“...”的语义与Python 3中的ur“...”不同（在Python 2中，\uhhhh和\Uhhhhhhhh转义仍然会被处理，而在Python 3中，r“...”字符串不会）。

请注意，在这个特定情况下，原始字符串字面值和常规字符串没有区别！您可以直接使用：

_eng_word = u"[a-zA-Z][a-zA-Z0-9'.]*"

它可以在Python 2和3中都运行。

对于原始字符串文字确实很重要的情况，您可以将原始字符串从Python 2的raw_unicode_escape进行解码，并在Python 3上捕获AttributeError：

_eng_word = r"[a-zA-Z][a-zA-Z0-9'.]*"
try:
    # Python 2
    _eng_word = _eng_word.decode('raw_unicode_escape')
except AttributeError:
    # Python 3
    pass

如果你只写Python 3代码（所以不需要在Python 2上运行），只需完全删除u：

_eng_word = r"[a-zA-Z][a-zA-Z0-9'.]*"

- Martijn Pieters

---

我为你的raw_unicode_string编码想法点了赞，但是你的代码在Python 2和Python 3之间会产生不同的结果。 - itsadok

@itsadok：这对于这些目的已经足够接近了。您也可以使用常规字符串，双重转义反斜杠，然后解码为 unicode_escape：_eng_word ='[a-zA-Z] [a-zA-Z0-9'.]*'; _eng_word.replace（r'\\'，r'\\\\'）。decode（'unicode_escape'），这是 six 使用的方法。 - Martijn Pieters

请注意，在re中，\uhhhh模式也有意义。因此，即使在Python 3中，你最终得到了\\uhhhh（转义）Unicode序列，它们在正则表达式中仍然具有与传递字面Unicode代码点相同的含义。 - Martijn Pieters

Answer 3

这张表格比较了Python 2(.7)和3(.4+)中不同的字符串字面值前缀(部分)： 如您所见，在Python 3中，没有办法有一个不处理转义但是处理Unicode字面值的字面量。要在Python 2和3中使用代码获取这样的字符串，请使用：

br"[a-zA-Z][a-zA-Z0-9'.]*".decode('raw_unicode_escape')

实际上，你的例子并不是很好，因为它没有任何Unicode字面量或转义序列。一个更好的例子是：

br"[\u03b1-\u03c9\u0391-\u03a9][\t'.]*".decode('raw_unicode_escape')

在Python 2中：

>>> br"[\u03b1-\u03c9\u0391-\u03a9][\t'.]*".decode('raw_unicode_escape')
u"[\u03b1-\u03c9\u0391-\u03a9][\\t'.]*"

在Python 3中：

>>> br"[\u03b1-\u03c9\u0391-\u03a9][\t'.]*".decode('raw_unicode_escape')
"[α-ωΑ-Ω][\\t'.]*"

这实际上是相同的事情。

- itsadok