Как мне указать диапазон символов Unicode

Question

Как мне указать диапазон символов Юникода от ' ' (пробел) до \u00D7FF?

У меня есть регулярное выражение типа r'[\u0020-\u00D7FF]', и оно не будет компилироваться, говоря, что это плохоспектр.Я новичок в регулярных выражениях Unicode, поэтому у меня не было этой проблемы раньше.

Есть ли способ сделать этот компилятор или регулярное выражение, которое я забыл или еще не выучил?

Answer 1

Синтаксис вашего диапазона Unicode не будет делать то, что вы ожидаете.

1. Необработанная строка r'' предотвращает анализ паролей \u, и механизм регулярных выражений этого не сделает. Единственный диапазон в этом наборе - [0-\]:

   >>> re.compile(r'[\u0020-\u00d7ff]', re.DEBUG)
   in
     literal 117
     literal 48
     literal 48
     literal 50
     range (48, 117)
     literal 48
     literal 48
     literal 100
     literal 55
     literal 102
     literal 102
   

2. Делая это Unicode-литералом вызывает \u синтаксический анализ, оставляя в одиночку другие обратные слеши (хотя это не проблема), но ведущие нули все портят. Синтаксис \uxxxx или \Uxxxxxxxx, поэтому он анализируется как "\u00d7, f, f".

   >>> re.compile(ur'[\u0020-\u00d7ff]', re.DEBUG)
   in
     range (32, 215)
     literal 102
     literal 102
   

3. Удаление ведущих нулей или переключение на \U0000d7ff исправит это:

   >>> re.compile(ur'[\u0020-\ud7ff]', re.DEBUG)
   in
     range (32, 55295)
   

Answer 2

Если вы используете Python 2.x, вы должны убедиться, что вы указываете строку в кодировке Unicode (с u '' или встроенной "unicode"):

>>> r = re.compile(u'[\u0020-\uD7FF]')
>>> r.search(u'foo \uD7F0 bar')
<_sre.SRE_Match object at 0xb7084950>
r.search(u' ')
<_sre.SRE_Match object at 0xb7084b48>

Использованиенеобработанные строки (как вы, с r '') дает вам (ascii) строку, состоящую из "backstroke" + буквы "u" плюс число 0 плюс ...