Python의 정규 표현식과 유니 코드 : sub와 findall의 차이점

Question

Python (2.7) 스크립트에서 버그를 찾아내는 데 어려움을 겪고 있습니다. 특수 문자를 인식 할 때 sub 및 findall을 사용하는 것과 다른 점이 있습니다. 여기

코드입니다 :

>>> re.sub(ur"[^-'().,\w]+", '' , u'Castañeda', re.UNICODE) 
u'Castaeda' 
>>> re.findall(ur"[^-'().,\w]+", u'Castañeda', re.UNICODE) 
[] 

내가 findall은 사용

가 올바르게 알파벳 문자로 N 본다,하지만 난 서브를 사용할 때이 대체 - 알파벳이 아닌 문자로 치료.

findall을 string.replace와 함께 사용하여 올바른 기능을 얻을 수 있었지만이 방법이 좋지 않은 것 같습니다. 또한 re.split을 사용하고 싶습니다. re.sub와 동일한 문제가 있습니다.

도움을 미리 감사드립니다.

Answer 1

re.sub의 호출 서명은 다음과 같습니다

In [57]: re.sub(ur"(?u)[^-'().,\w]+", '', u'Castañeda') 
Out[57]: u'Casta\xf1eda' 

: 그래서

re.sub(ur"[^-'().,\w]+", '' , u'Castañeda', re.UNICODE) 

대신 시도 값을 32

있다 re.UNICODE-count을 설정하는 것입니다

re.sub(pattern, repl, string, count=0) 

(?u)을 정규식의 시작 부분에 배치하는 것은 정규식 자체에서 re.UNICODE 플래그를 지정하는 다른 방법입니다. 다른 플래그를 (?iLmsux)으로 설정할 수도 있습니다. ("(iLmsux를)?"더 많은 정보 this link을 클릭하고 검색 할 수 있습니다.)

마찬가지로, re.split의 호출 서명은 다음과 같습니다

re.split(pattern, string, maxsplit=0) 

이 솔루션은 동일합니다.