在Python re中仅匹配一个Unicode字母

Question

我有一个要从中提取3组的字符串：

'19 janvier 2012' -> '19', 'janvier', '2012'

月名称可能包含非ASCII字符，因此[A-Za-z]对我不起作用：

>>> import re
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 janvier 2012', re.UNICODE).groups()
(u'20', u'janvier', u'2012')
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 février 2012', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>>

我可以使用，\w但它匹配数字和下划线：

>>> re.search(ur'(\w+)', u'février', re.UNICODE).groups()
(u'f\xe9vrier',)
>>> re.search(ur'(\w+)', u'fé_q23vrier', re.UNICODE).groups()
(u'f\xe9_q23vrier',)
>>>

我尝试使用[：alpha：]，但是不起作用：

>>> re.search(ur'[:alpha:]+', u'février', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>>

如果我能以某种方式匹配\w而没有[_0-9]，但我不知道如何。即使我知道如何做到这一点，是否也有像[:alpha:]Python中那样可用的现成快捷方式？

Answer 1

您可以构造一个新的角色类：

[^\W\d_]

代替\w。翻译成英文，意思是“任何不是非字母数字字符（[^\W]与相同\w），但也不是数字，也不是下划线的字符”。

因此，它将仅允许Unicode字母（如果使用re.UNICODEcompile选项）。