Python正则表达式排除下划线

Question

我需要找到UNICODE中除下划线以外的所有两个字符的符号。当前解决方案如下：

pattern = re.compile(ur'(?:\s*)(\w{2})(?:\s*)', re.UNICODE | re.MULTILINE | re.DOTALL)
print pattern.findall('a b c ab cd vs sd a a_ _r')
['ab', 'cd', 'vs', 'sd', 'a_', '_r']

我需要从正则表达式中排除下划线_，这样就不会找到a_和_r。问题是，我的字符可以使用任何语言。因此，我不能像这样使用正则表达式：[^a-zA-Z]。例如，在俄语中：

print pattern.findall(u'ф_')

- artyomboyko

Answer 1

排除任何不是单词字符和_的内容。

[^\W_]

代替

\w

- Ioan Alexandru Cucu

Answer 2

您最好使用新的regex模块。它的一个特点是可以从字符集中删除字符：

import regex as re

pattern = re.compile(ur'(?:\s*)([\w--_]{2})(?:\s*)', re.UNICODE | re.MULTILINE | re.DOTALL)

[\w--_] 语法创建了一个字符集，与 \w 相同，但匹配字符中去除了下划线。

- Martijn Pieters

Answer 3

这个对我来说似乎有效：

a="Exclude_from_search"
re.search("(\w[^_]+)", a).group(0)
'Exclude'

- musca999