如何指定unicode字符范围

Question

如何指定从' '（空格）到Unicode字符的范围\u00D7FF？

我有一个类似的正则表达式r'[\u0020-\u00D7FF]'，它不会编译说这是一个错误的范围。我是Unicode正则表达式的新手，所以我以前从未遇到过此问题。

有没有办法使我忘记或尚未学习的编译或正则表达式？

Answer 1

unicode范围的语法不会达到您的期望。

1. 原始r''字符串可防止对\u转义进行解析，而正则表达式引擎将不执行此操作。此集合中的唯一范围是[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. 将其设置为Unicode文字会导致\u解析，同时不留其他反斜杠（尽管此处不必担心），但是前导零将其弄乱了。语法是\uxxxx或\Uxxxxxxxx，所以它解析为“ ，”。\u00d7``f``f

   >>> re.compile(ur'[\u0020-\u00d7ff]', re.DEBUG)
   

   in
   range (32, 215)
   literal 102
   literal 102

3. 删除前导零或切换到\U0000d7ff可以修复它：

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

   in
   range (32, 55295)