Python 3使用带有变音符号和连字号的正则表达式

Question

表单中的名称：Ceasar，Julius将被拆分为First_name Julius Surname Ceasar。

名称可能包含变音符（á à é..）和连字号（æ，ø）

这段代码在Python 3.3中似乎运行良好。

import re

def doesmatch(pat, str):  
    try: 
        yup = re.search(pat, str)
        print('Firstname {0} lastname {1}'.format(yup.group(2), yup.group(1)))
    except AttributeError:
        print('no match for {0}'.format(str))

s = 'Révèrberë, Harry'
t = 'Åapö, Renée'
u = 'C3po, Robby'
v = 'Mærsk, Efraïm'
w = 'MacDønald, Ron'
x = 'Sträßle, Mpopo'

pat = r'^([^\d\s]+), ([^\d\s]+)'
# matches any letter, diacritic or ligature, but not digits or punctuation inside the () 

for i in s, t, u, v, w, x:
    doesmatch(pat, i)

除了数字不匹配外，其他都匹配（即名称中没有数字），但我想知道是否有比非数字非空格的方法更好。 更重要的是：我想改进模式，使其区分大小写字母，但是包括大写变音符号和连字号，最好也使用正则表达式。 就像（[A-Z] [a-z] +）一样，可以匹配带变音符号和组合字符的字母。

这可行吗？

（到目前为止我所看过的内容： Dive into python 3 on UTF-8 vs Unicode ; 这个Unicode正则表达式教程（我没有使用它）; 我认为我不需要new regex，但我承认我没有阅读所有的文档）

- RolfBly

---

为什么不使用 pat = r'^([^,]+), (.*)$'？ - Cristian Ciupitu

@Cristian：这样会不会也匹配上“G@rd$tr%m，Joe”？在需要解析花哨的Twitter用户名之前，我宁愿不这样做。但是，谢谢！ - RolfBly

Answer 1

如果您想使用标准库的re模块区分大小写字母，那么恐怕您需要手动构建一个包含所有相关Unicode代码点的字符类。

如果您不是真正需要这样做，请使用

[^\W\d_]

匹配任何Unicode字母。这个字符类匹配“非非字母数字字符”（也就是“字母数字字符”）但不是数字和下划线的任何内容。

- Tim Pietzcker

---

非常感谢。我一直在想[^\W]否定的速记类。在Jan Goyvaerts的正则表达式[参考][ref]中，它说“可以在类内部使用，但这很令人困惑”。我认为这并不比正则表达式本身更令人困惑。[ref][http://www.regular-expressions.info/reference.html] - RolfBly